Taller 2  Protocolo de investigacion, Proyectos de Teoría de Circuitos. Instituto Tecnológico de Celaya
narcicista-por-excel
narcicista-por-excel

Taller 2 Protocolo de investigacion, Proyectos de Teoría de Circuitos. Instituto Tecnológico de Celaya

DOCX (382 KB)
9 páginas
2Número de descargas
58Número de visitas
Descripción
Protocolo de investigacion pata materia de taller 2
20 Puntos
Puntos necesarios para descargar
este documento
Descarga el documento
Vista previa3 páginas / 9
Esta solo es una vista previa
3 páginas mostradas de 9 páginas totales
Descarga el documento
Esta solo es una vista previa
3 páginas mostradas de 9 páginas totales
Descarga el documento
Esta solo es una vista previa
3 páginas mostradas de 9 páginas totales
Descarga el documento
Esta solo es una vista previa
3 páginas mostradas de 9 páginas totales
Descarga el documento

SISTEMA DE DETECCIÓN DE COLOR EN CABLES PARA ARNÉS USANDO VISIÓN ARTIFICIAL IMPLEMENTADO EN RASPBERRY PI 3

Luis Francisco Herrera Garay, Verónica Ruíz Galván

Ingeniería Mecatrónica, Instituto Tecnológico de Celaya, [email protected], [email protected]

Introducción

La industria es uno de los principales mercados de la visión artificial. Habitualmente las aplicaciones están relacionadas con el control de calidad de los productos fabricados y de los procesos de automatización industrial.

Sin embargo, cada vez se utiliza más como soporte en los procesos de producción, como por ejemplo en el guiado de robots; también es frecuente su uso en aplicaciones relacionadas con la trazabilidad de productos fabricados. En este sentido, son habituales herramientas como la lectura de códigos de barras y de matriz o el QR. La visión artificial también se aplica en procesos de medición de alta precisión (metrología).

Keyence es un ejemplo de una empresa que fabrica partes automotrices, fabricación de equipos de automatización industrial e inspección, donde se está implementando la visión artificial.

Aunque la visión artificial se puede utilizar en cualquier proceso industrial, su uso es ineludible en la industria del automóvil, electrónica, envase y embalaje, alimentación, farmacéutica, aeronáutica, metalúrgica, cerámica, entre otros.

Además, cabe destacar que, en el año 2014, no se encontró un dato más actual, según el estudio de la VDMA ventas de sistemas industriales de procesamiento de imágenes aumentaron el año pasado en Europa un 16%, como resultado de una reciente encuesta de mercado realizada por la VDMA.

La industria de visión artificial alemana incrementó sus ventas en el 2014 en un 16% a 1,9 millones de euros.

El objetivo de un sistema de inspección por visión artificial suele ser comprobar la conformidad de una pieza con ciertos requisitos, tales como las dimensiones, números de serie, la presencia de componentes, color, etc.

Este punto de la calidad debe tratarse de forma inmediata, ya que es de donde las industrias obtienen sus ganancias.

Problema

El funcionamiento de todo vehículo se rige mediante señales eléctricas casi en su totalidad, las cuales son registradas y recibidas por computadoras o módulos quienes son los encargados de interpretarlas y ejecutar las funciones. En la industria automotriz es muy común hablar de la fabricación del arnés. La fabricación del arnés es altamente cualificada y compleja, pero al momento de hacer la prueba eléctrica de continuidad, los operarios suelen equivocarse en la jerarquía de los cables, dando por resultado un producto inservible; es por ello por lo que se busca desarrollar un sistema que sea capaz de discriminar entre los elementos que cumplen con los parámetros (colores y jerarquía) ante aquellos que no cumplen, y así, un tercero pueda ejercer un tipo de acción sobre el objeto analizado. Esto se logrará mediante una cámara se tomarán imágenes y estas serán procesadas por una tarjeta de cómputo que mandará una confirmación del correcto orden introducido.

Justificación

Con el desarrollo de este proyecto se pretende realizar un sistema de detección de colores y orden en cables para arnés. La razón de su realización es porque durante el proceso de ensamblaje del arnés, existe una serie de pruebas por las que tiene que pasar éste. Al llegar a la prueba eléctrica para comprobar su continuidad, en un tablero se conectan todas las terminales y se prueba que las conexiones sean correctas; este proceso es realizado por operarios quienes toman los cables y los conectan, pero suelen introducir erróneamente las terminales equivocándose en el orden de conexión, obteniendo un producto que no cumple con los requerimientos.

Nuestro proyecto busca servir de apoyo al operario para evitar errores en cuanto al color y orden de las terminales. Para su desarrollo se utilizará una cámara y una Raspberry Pi para capturar la imagen del orden y color de las terminales introducidas.

Objetivo general

Investigar y desarrollar un sistema que sea capaz de detectar el color y orden de las terminales de un arnés y verificar que las especificaciones se cumplan, con el uso de una cámara y una Raspberry.

Objetivos específicos

1. Realizar una investigación acerca del avance en el desarrollo de sistemas con visión artificial, y que metodología se emplea y si se ha empleado en tarjetas tipo Raspberry.

2. Desarrollar un sistema independiente que se ejecute desde la Raspberry y que pueda cumplir con el objetivo general.

3. Desarrollar un programa que sea capaz de detectar el color presentado mediante la cámara y calificar su orden.

Alcance

El proyecto se centra en generar un sistema simple de detección de color de cables de arnés que son bicolor, y que sea capaz de detectar el orden en que son introducidos y hacer pruebas para comprobar su funcionamiento. Este proyecto debe cubrir al final las siguientes especificaciones:

1. Que detecte los colores que tiene el cable.

2. Que detecte el orden de los cables introducidos.

3. Que envíe una señal si es correcto el orden introducido o no.

Esto debe cubrirse en un plazo máximo de 12 semanas.

Cronograma

Estado del arte

El presente trabajo se refiere al uso de la visión artificial en el ámbito industrial, la cual se puede definir (Loaiza, 2012) como una disciplina científica que incluye métodos para adquirir, procesar, analizar y comprender las imágenes del mundo real con el fin de producir información numérica o simbólica para que puedan ser tratados por un computador.

El área de visión por computador se interesa en la solución de dos problemas fundamentales: la mejora de la calidad de las imágenes para la interpretación humana y el procesamiento de los datos de la escena para la percepción de las máquinas, de forma autónoma.

Aguirre (2014) menciona que los Sistemas de Visión Artificial (SVA) se han hecho cada vez más comunes en la domótica, seguridad, robótica, entre otros. Este crecimiento ha generado diferentes tecnologías, abaratado los costos y mejorado las capacidades de adquisición de sistemas electrónicos como cámaras y software para el procesamiento, una prueba de ellos son los dispositivos inteligentes.

El objetivo de este artículo es determinar los procesos y técnicas de procesamiento de imágenes, necesarios para el desarrollo de un sistema de visión artificial destinado al reconocimiento de cables bicolor para arnés utilizados en la industria automotriz, así como el diseño de un prototipo que permita mostrar las formas de obtener información valiosa a partir del mismo.

Antecedentes

Según René Shun (2015) la visión artificial surge en la década de los 60 con la idea básica de conectar una cámara de video a un computador; esto implicó no solo la captura de imágenes a través de la cámara sino también la comprensión de lo que estas imágenes representaban. Un resultado muy importante de este trabajo y que marcó el inicio de la visión artificial, fue un trabajo de Larry Roberts, el creador de ARPAnet. En 1961 creó un programa, el “mundo de microbloques”, en el que un robot podía “ver” una estructura de bloques sobre una mesa, analizar su contenido y reproducirla desde otra perspectiva, demostrando así que esa información visual que había sido mandada al ordenador por una cámara, había sido procesada adecuadamente por él.

Se podría considerar que las raíces de lo que es en la actualidad el campo de la visión artificial están en el programa espacial de la NASA, en 1964. El programa espacial utilizaba, en un principio, cámaras de televisión que enviaban imágenes analógicas de vuelta a la Tierra. Posteriormente, se cambió a la idea de usar una cámara digital y enviar la información en bits y bytes desde el satélite Mariner 4, en 1964, mientras volaba al planeta Marte. Fue con el procesado digital de dichas imágenes con lo que se dio inicio a lo que es en la actualidad el campo de la visión artificial.

La visión artificial es un campo de estudio diverso y relativamente nuevo. En los inicios de la computación era complicado procesar incluso conjuntos moderadamente grandes de datos de imagen. No fue hasta finales de los años setenta que emergió un estudio más concentrado de dicho campo.

La visión artificial cubre un ancho rango de temas que suelen estar relacionados con otras disciplinas y, por tanto, no hay una formulación concreta y estándar de lo que es “el problema de la visión artificial”. Más incluso, no hay una formulación siquiera de cómo han de ser resueltos los problemas de visión artificial.

En lugar de eso, existen abundantes métodos para resolver varias tareas bien definidas de visión artificial, en dónde la metodología es generalmente muy específica y rara vez puede ser generalizada para un amplio rango de aplicaciones. Muchos de los métodos y aplicaciones están aún en un estado básico de investigación, pero varios de ellos han logrado hacerse un huevo como productos comerciales, a menudo formando parte de un sistema más grande capaz de resolver problemas complejos.

En la mayor parte de las aplicaciones prácticas que usan visión artificial esta es pre- programada para resolver una tarea en particular, pero los métodos basados en aprendizaje se están volviendo cada vez más comunes.

MARCO TEÓRICO

Este trabajo se enfoca en estudiar las bases o fundamentos para desarrollar un sistema de visión artificial. Si bien, innovar casi siempre ha resultado ser el camino al éxito, no siempre se tiene que innovar para poder trascender, basta con aportar una mejora pequeña y a pesar de ser pequeña puede ser significativa, por ello se debe conocer que existió, existe y existirá, (esto último en el futuro cercano claro) para nutrir lo más que se puede a nuestro proyecto.

La aplicación de la visión artificial tiene un sinfín de áreas, tales como la robótica, la médica, la de control, la industrial, etc.

Ortigoza, Ruiz, Caballero y Kussul (2009) estudiaron una de las aplicaciones más interesantes de esta tecnología en el área médica. Debido a la complejidad que compone el ser humano es imposible poder recrearlo de manera precisa, sin embargo, se pueden desarrollar atributos individuales e implementarlos en el cuerpo humano, por ejemplo, un sistema de visión artificial en personas ciegas. Se puede implementar un sistema capaz tomar imágenes del exterior y recrear patrones de puntos que reconstruyen una imagen, esta imagen no solo se reconstruye a manera de patrón, sino que se transmite a una malla implantada en la cabeza del invidente para generar una serie de pulsos que le bridan una noción bastante general del entorno que lo rodea (citar imagen).

Imagen reconstruida punto a punto. Fuente: (Ortigoza, Ruiz, Caballero, Kussul, 2009)

Para poder empezar a hablar de lo que es la visión artificial (Rojas, Silva, Molina, 2007) primero habrá que definir lo que es. La visión artificial es aquella que emula la vista a través de una computadora, que dota a un sistema de cómputo de ese sentido, es evidente que será un proceso digital y que los resultados obtenidos a partir de este proceso deben ser superiores a los humanos.

Para llevar a cabo un sistema de visión artificial se necesitan elementos básicos que permitan:

1.- Captura imágenes (sensores ópticos)

En 2011 Sanabria y Archila hablan de dos tecnologías para hacer la captura de imágenes. Las cuales se lista a continuación.

Tecnología CCD

Un CCD (Charge-Coupled Device, Dispositivo de Cargas Eléctricas Interconectadas) es un circuito integrado que contiene un número determinado de condensadores enlazados o acoplados. Bajo el control de un circuito interno, cada condensador puede transferir su carga eléctrica a uno o a varios de los condensadores que estén a su lado en el circuito impreso.

El CCD es uno de los elementos principales de las cámaras fotográficas y de video digital; en éstas, el CCD trabaja juntamente con células fotoeléctricas diminutas que registran la imagen, formando así el sensor. Desde allí, la imagen es procesada por la cámara y registrada en la tarjeta de memoria. La capacidad de resolución o detalle de la imagen depende del número de células fotoeléctricas, dicho número se expresa en píxeles; dichos píxeles registran tres colores diferentes: rojo, verde y azul (RGB, del inglés Red, Green, Blue), por lo cual tres píxeles, uno para cada color, forman un conjunto de células fotoeléctricas capaces de captar cualquier color en la imagen.

Tecnología CMOS

Un Active Píxel Sensor (APS) es un sensor que detecta la luz basado en tecnología CMOS y por ello es más conocido como sensor CMOS. Gracias a esta tecnología de construcción es posible integrar más funciones en un chip sensor, tales como control de luminosidad, corrección de contraste, conversión analógico-digital, etc. El APS, al igual que el sensor

CCD, se basa en el efecto fotoeléctrico, ya que está formado por numerosos fotodiodos, uno para cada píxel, que producen una corriente eléctrica que varía en función de la intensidad de luz recibida. En el CMOS, a diferencia del CCD, se incluye un conversor digital en el propio chip y se incorpora un amplificador de la señal eléctrica en cada fotodiodo mientras que en un CCD se tiene que enviar la señal eléctrica producida al exterior y amplificarla.

2.- Procesar imágenes.

Esto se hace a través de una serie de algoritmos de matrices bastante complejos los cuales transforma la imagen original en una matriz de 3 dimensiones y con una profundidad en capas que contenga, es decir los colores. Una imagen tiene 3 dimensiones en los sistemas RGB, dos son del plano que ocupa (resolución x y y) y la tercera se refiere a la profundidad por capas de colores la cual normalmente consta de una azul, una roja y dos verdes.

Cuando se capturan una imagen esta esta se convierte en una matriz donde cada elemento es un pixel, este cuenta con una posición dentro de lo que es la matriz, como si de puntos se tratara. Existen diversas formas de analizar una imagen. Una imagen puede ser segmentada. La segmentación es un proceso que consiste en dividir una imagen digital en regiones homogéneas con respecto a una o más características de facilitar un posterior análisis o reconocimiento automático. Se basa en dos principios fundamentales: discontinuidad y similitud. Tienen también dos categorías: orientada a bordes (discontinuidad) y orientada a regiones permite detectar cambios en los bordes o cambios en las regiones. (Loaiza 2007).

Detección de bordes

Basándose en el hecho de la discontinuidad, se proponen los siguientes tipos de operadores para la detección de bordes: operadores primera derivada, operadores segunda derivada y operadores morfológicos.

Detección de regiones

Para la detección de regiones se utilizan técnicas basadas en el hecho de la similitud: binarización, apoyada en el uso de umbrales; crecimiento de regiones, mediante la adición de píxeles; división de regiones y similitud de textura, color o niveles de gris.

En general, el proceso de la segmentación suele resultar complejo, debido, por un lado, a que no se tiene una información adecuada de los objetos a extraer y, por otro, a que en la escena a segmentar aparece normalmente ruido. Es por esto que el uso de conocimiento sobre el tipo de imagen a segmentar o alguna otra información de alto nivel puede resultar muy útil para conseguir la segmentación de la imagen.

La computadora que se requiere dependerá principalmente de la forma en que se procesasen las imágenes. Aquellos sistemas que deseen procesar las matrices originales su velocidad de cálculo será más lento que aquellos que logren la desarrollar un algoritmo de abstracción que les permita simplificar el cálculo, esto es de suma importancia cuando se tienen sistemas con pocos recursos. Existen algunos sistemas controlados por micro- controladores, donde los recursos son bastante limitados, en estos sistemas se separan por módulos es decir, el hardware empleado debe cumplir una función concreta, y esto es

debido a la limitación en la potencia de cálculo o de memoria por ejemplo, no se podría delegar la captura de las matrices al microprocesador, o emplear algo del tiempo de cálculo en muestra las imágenes si fuera el caso. (Guerrero & Ramos, 2014).

Para realizar el muestreo de imágenes se debe colocar la cámara en una posición, la posición debe ser elegida con cuidado porque una posición proveerá mayor información que otra, por ejemplo a y c proveen una perspectiva que aporta más información.

Perspectivas. Fuente: (Loaiza 2007)

Debido a que la perspectiva se mantendrá fija, se pueden hacer cálculos procesando las imágenes por ejemplo en 2007 Loaiza hizo una investigación acerca de la detección de movimiento por medio de la visión artificial, por medio de un análisis de manchas, hace un proceso para medir el tamaño real del objeto, la profundidad y el cambio de posición de la mancha.

Referencias

Ortigoza-Ayala, Luis Octavio; Ruiz-Huerta, Leopoldo; Caballero-Ruiz, Alberto; Kussul, Ernst Visión artificial en el humano Revista Médica del Instituto Mexicano del Seguro Social, vol. 47, núm. 4, 2009, pp. 393- 398 Instituto Mexicano del Seguro Social Distrito Federal, México

González, Rafael C. & Woods, Richard E.(2001). Digital Image Processing.Prentice Hall.

Rojas Hernández, Rogelio; Silva Ortigoza, Ramón; Molina Vilchis, María Aurora “La Visión Artificial en la Robótica” Polibits, núm. 35, 2007, pp. 22-28 Instituto Politécnico Nacional Distrito Federal, México

Loaiza Quintana, Andres Felipe; Manzano Herrera, David Andrés; Múnera, Salazar, Luis Eduardo, “Sistema de vision artificial para conteo de objetos en movimiento” El Hombre y la Máquina, núm. 40, septiembre-diciembre, 2012, pp. 87-101 Universidad Autónoma de Occidente Cali, Colombia.

Guerrero Aguirre, Álvaro; Ramos Giraldo, Paula Jimena Sistema embebido de bajo costo para visión artificial, Scientia Et Technica, vol. 19, núm. 2, junio-, 2014, pp. 163-173 Universidad Tecnológica de Pereira Pereira, Colombia.

Sanabria S., John J.; Archila D., John F Detección y análisis de movimiento usando visión artificial, Scientia Et Technica, vol. XVI, núm. 49, diciembre-, 2011, pp. 180-188 Universidad Tecnológica de Pereira Pereira, Colombia.

Sistemas-de-Vision-Artificial-Historia-Componentes-y-Procesamiento-de-Imágenes, Recuperado en noviembre de 2016 de: https://es.scribd.com/doc/259914658/Sistemas-de- Vision-Artificial-Historia-Componentes-y-Procesamiento-de-Imagenes

[] INFAIMON. (n.d.). Visión Artificial. [online] Available at: https://www.infaimon.com/es/ industria [Accessed 7 Dec. 2017]

comentarios (0)
No hay comentarios
¡Escribe tú el primero!
Esta solo es una vista previa
3 páginas mostradas de 9 páginas totales
Descarga el documento