Implementación de un sistema de visión artificial en líneas de producción de atún, para la detección de fallas de codificado en la empresa Puertomar S.A, Provincia de Manabí.

En este proyecto se planteó el diseño de un sistema de visión artificial capaz de determinar las fallas del codificado en las latas de atún a tiempo real tomando como base el procesamiento digital de imágenes utilizando filtros y algoritmos a través de un modelo de rede neuronal artificial convoluci...

Täydet tiedot

Tallennettuna:
Bibliografiset tiedot
Päätekijä: Palma Santacruz, Wilson Sigifredo (author)
Aineistotyyppi: masterThesis
Kieli:spa
Julkaistu: 2020
Aiheet:
Linkit:https://dspace.espoch.edu.ec/handle/123456789/14101
Tagit: Lisää tagi
Ei tageja, Lisää ensimmäinen tagi!
Kuvaus
Yhteenveto:En este proyecto se planteó el diseño de un sistema de visión artificial capaz de determinar las fallas del codificado en las latas de atún a tiempo real tomando como base el procesamiento digital de imágenes utilizando filtros y algoritmos a través de un modelo de rede neuronal artificial convolucional, implementada mediante el lenguaje de programación Python y el uso de la biblioteca de software libre llamada TensorFlow, las cuales conjuntamente permiten identificar si la lata de atún esta codificada de una manera correcta, o por lo contrario si presenta algún tipo de problema. Es necesaria la realización del diagnóstico de fallos en tiempo real, llegando no sólo a su detección y aislamiento sino también a la estimación de su magnitud, con objetivo a interrumpir la propagación de los fallos en un determinado sistema. En el caso de tener que detectar fallos en procesos complejos, donde existe incertidumbre paramétrica y estructural como es el caso de estudio que ocupa (línea de producción de atún), no existen modelos matemáticos del mismo, por lo que se requieren técnicas de inteligencia artificial Como resultado de este proyecto se entrenó una red neuronal convolucional con una eficiencia del 84% mediante las librerías de TensorFlow y con ayuda del modelo Convolucional (Neocognitron Mobilenet_v1_1.0_224), para ello se utilizó un data set de 417 imágenes, y se entrenó mediante 4000 pasos de iteración, con la implementación del sistema de visón artificial la empresa mejoró su eficiencia en un 84 % dentro de la línea de codificación de latas de atún generando así una ganancia sustancial en sus líneas de producción. Finalmente, se recomienda, entrenar el modelo con un data set más grande con el fin de mejorar la eficiencia de la red neuronal, y lograr una efectividad superior al 95%.