Overhauling de la estación de visión del MPS
Este trabajo de titulación consistió en la restauración e implementación de la estación de Visión para el laboratorio de Sistema de Producción Modular (MPS), la cual dicha estación se encontraba deshabilitado y sin ningún uso, por lo que fue necesario reintegrarlo al sistema para que junto con las o...
Saved in:
| Main Author: | |
|---|---|
| Format: | bachelorThesis |
| Language: | spa |
| Published: |
2023
|
| Subjects: | |
| Online Access: | http://dspace.ups.edu.ec/handle/123456789/25477 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Add Tag | Summary: | Este trabajo de titulación consistió en la restauración e implementación de la estación de Visión para el laboratorio de Sistema de Producción Modular (MPS), la cual dicha estación se encontraba deshabilitado y sin ningún uso, por lo que fue necesario reintegrarlo al sistema para que junto con las otras estaciones sean utilizadas para el aprendizaje y desarrollo de nuevos temas de investigación. Para la restauración de esta estación se utilizó como núcleo un sistema embebido específicamente una Raspberry Pi4, con una capacidad de memoria RAM de 8GB, lo que hace que su rendimiento sea el más adecuado para su uso en control de visión de artificial, y que al poseer un puerto Ethernet, pines digitales y un módulo de Wifi se facilite la comunicación con protocolos industriales. Para que la estación sea capaz de reconocer las piezas maquinadas del laboratorio fue necesario aplicar un aprendizaje automático supervisado por el método de clasificación, en donde se utilizan como datos de entrada 900 imágenes positivas de las piezas y 500 imágenes negativas del entorno en donde iban a estar ubicadas estas piezas, y se requirió utilizar un programa en Windows capaz de generar un archivo xml llamado Cascade-Trainer-Gui en el cual se subió estas imágenes positivas y negativas y así se obtuvo el archivo para utilizar en Python. En cuestión de machine learning el sistema se programó en Python basándose en la librería de OpenCV, que interpreta el archivo xml que contiene el aprendizaje de la pieza maquinada, que, junto con códigos de identificación, hace que su funcionamiento sea similar al reconocimiento facial de los smartphones, agregando la posibilidad de ubicar y reconocer las piezas dentro un entorno controlado. |
|---|