Mostrar el registro sencillo del ítem
Desarrollo de un algoritmo utilizando Inteligencia Artificial para el monitoreo en la calidad de la fabricación de piezas mecánicas
| dc.rights.license | restringido | es_ES |
| dc.contributor.advisor | Núñez Rodríguez, Rafael Augusto | |
| dc.contributor.author | Eslava Forero, Geraldine | |
| dc.contributor.other | Gutiérrez Lozano, Cristhiam Jesid | |
| dc.coverage.spatial | Bucaramanga | es_ES |
| dc.date.accessioned | 2023-12-12T22:08:55Z | |
| dc.date.available | 2023-12-12T22:08:55Z | |
| dc.identifier.citation | N/A | es_ES |
| dc.identifier.uri | http://repositorio.uts.edu.co:8080/xmlui/handle/123456789/14471 | |
| dc.description | INGENIERÍA ELECTRÓNICA, PROCESAMIENTO DIGITAL DE IMÁGENES, | es_ES |
| dc.description.abstract | Con el objetivo de optimizar y disminuir errores en los procesos de fabricación de piezas mecánicas, diversas empresas se han dedicado a la búsqueda de nuevas tecnologías que permitan reducir próximas fallas y mantenimientos en todas aquellas máquinas que utilicen esta pieza para su operación. En la presente investigación se reportan los resultados del diseño de un algoritmo capaz de identificar el estado de una pieza mecánica en tiempo real utilizando una cámara como captura de imagen conectada al equipo antes de iniciar el programa y reconocida por la librería OpenCV. La interfaz del programa fue realizada en el lenguaje de programación Python. Este lenguaje es ampliamente utilizado en desarrollos de algoritmo debido a la cantidad de scripts y librerías que contiene, estas permiten automatizar tareas como seleccionar, organizar, identificar y visualizar varias características de las imágenes digitales. Para identificar la zona de interés en la captura de imagen se usa LabelMe, una herramienta de anotación de imágenes gráficas que permite etiquetar imágenes de manera sencilla y está escrito en lenguaje Python. Posteriormente, usando Ultralytics YOLOv8 se entrena la red neuronal de reconocimiento en tiempo real. Finalmente, se crea una aplicación de control y visualización de captura de imagen en PyQt5 generando así una herramienta versátil de control de la cámara y el monitoreo de la calidad durante el proceso de fabricación de piezas mecánicas. | es_ES |
| dc.description.sponsorship | Unidades Tecnológicas de Santander | es_ES |
| dc.description.tableofcontents | TABLA DE CONTENIDO RESUMEN EJECUTIVO 11 INTRODUCCIÓN 12 1. DESCRIPCIÓN DEL TRABAJO DE INVESTIGACIÓN 14 1.1. PLANTEAMIENTO DEL PROBLEMA 14 1.2. JUSTIFICACIÓN 15 1.3. OBJETIVOS 16 1.3.1. OBJETIVO GENERAL 16 1.3.2. OBJETIVOS ESPECÍFICOS 16 1.4. ESTADO DEL ARTE 17 2. MARCO REFERENCIAL 22 3. DISEÑO DE LA INVESTIGACIÓN 29 3.1. FASE 1: PROGRAMAR EN PYTHON EL ALGORITMO QUE PERMITA LA COMUNICACIÓN EFECTIVA ENTRE LA CÁMARA Y LA PLATAFORMA. 29 3.2. FASE 2: IMPLEMENTAR FILTROS DE SUAVIZADO DE IMAGEN Y REALCE DE BORDES POR MEDIO DE TÉCNICAS DE PROCESAMIENTO PARA LA RECOLECCIÓN DE CARACTERÍSTICAS DE LAS PIEZAS MECÁNICAS. 30 3.3. FASE 3: ENTRENAR REDES NEURONALES CON UNA AMPLIA VARIEDAD DE IMÁGENES DIGITALES DE ENGRANAJES RECTOS. 30 4. DESARROLLO DEL TRABAJO DE GRADO 31 4.1. INSTALACIÓN DE PLATAFORMA DE PROGRAMACION Y LIBRERIAS UTILIZADAS EN EL DESARROLLO DEL PROYECTO 32 4.1.1. PYTHON 32 4.1.2. OPENCV 33 4.1.3. PYQT5 34 4.1.4. LABELME 36 4.1.5. ULTRALYTICS YOLOV8 37 4.2. CAPTURA DE IMAGEN Y VIDEO CON PYTHON-OPENCV-QTIMAGEN 38 4.2.1. CAPTURA DE IMAGEN EN TIEMPO REAL CON OPENCV 39 4.3. PROCESAMIENTO DEL RUIDO DE LA IMAGEN POR MEDIO DE FILTROS DIGITALES. 40 4.3.1. FILTRO DE DETECCIÓN DE BORDES 41 4.3.2. FILTRO MEDIANA 43 4.4. TÉCNICAS DE PROCESAMIENTO PARA LA DETENCIÓN DE OBJETOS CON EL ESPACIO DE COLOR HSV E IDENTIFICACIÓN DEL OBJETO POR MEDIO DEL ÁREA DEL CONTORNO DE LA IMAGEN 46 4.4.1. ESPACIO DE COLOR RGB 46 4.4.2. ESPACIO DE COLOR HSV 47 4.4.3. MOMENTOS DE LA IMAGEN 48 4.4.4. SEGMENTACIÓN DE LA IMAGEN EN EL ESPACIO DE COLOR HSV 50 4.5. COMO DEFINIR MANUALMENTE ÁREAS EN IMÁGENES Y ASIGNAR ETIQUETAS EN LABELME 51 4.6. ENTRENAR IMÁGENES Y ETIQUETAS CON YOLOV8 DE LA LIBRERÍA ULTRALYTICS 55 4.7. CREACIÓN DE LA APLICACIÓN DE CONTROL Y VISUALIZACIÓN DE CAPTURA DE IMAGEN EN PYQT5 59 5. RESULTADOS 64 5.1. CAPTURA DE LA IMAGEN EN TIEMPO REAL Y CONFIGURACIONES DE LA CÁMARA 65 5.2. CONFIGURACIONES DE LA PIEZA PARA REALIZAR SU PROCESAMIENTO EN TIEMPO REAL ………………………………………………………………………………………………68 5.3. ACONDICIONAMIENTO DE LA INFORMACIÓN Y ANÁLISIS DEL ENTRENAMIENTO DE LA RED NEURONAL 71 5.4. RECONOCIMIENTO DE IMÁGENES GUARDADAS Y CLASIFICACIÓN POR MEDIO DE ESTADÍSTICA 78 6. CONCLUSIONES 83 7. RECOMENDACIONES 84 8. REFERENCIAS BIBLIOGRÁFICAS 85 9. ANEXOS 90 9.1. LOTES DE IMÁGENES USADAS EN EL ENTRENAMIENTO Y VALIDACION DEL ESTADO DEL ENGRANAJE 90 9.2. CÓDIGO EN PYTHON DEL DISEÑO DEL APLICATIVO CREADO EN QT 94 9.3. CÓDIGO DE LAS FUNCIONES DEL PROGRAMA Y LAS ACCIONES DE CADA OBJETO EN EL APLICATIVO 119 | es_ES |
| dc.language.iso | es | es_ES |
| dc.publisher | Unidades Tecnológicas de Santander | es_ES |
| dc.subject | Engranaje, monitoreo, LabelMe, OpenCV, Python | es_ES |
| dc.title | Desarrollo de un algoritmo utilizando Inteligencia Artificial para el monitoreo en la calidad de la fabricación de piezas mecánicas | es_ES |
| dc.type | degree work | es_ES |
| dc.rights.holder | copyright(CC.BY.NC.ND 2.5) | es_ES |
| dc.date.emitido | 2023-12-07 | |
| dc.dependencia | fcni | es_ES |
| dc.proceso.procesouts | investigacion | es_ES |
| dc.type.modalidad | proyecto_de_investigación | es_ES |
| dc.format.formato | es_ES | |
| dc.titulog | Ingeniero Electrónica | es_ES |
| dc.educationlevel | Profesional | es_ES |
| dc.contibutor.evaluator | evaluador | es_ES |
| dc.date.aprobacion | 2023-12-02 | |
| dc.description.programaacademico | Ingeniería Electrónica | es_ES |
| dc.dependencia.region | bucaramanga | es_ES |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
-
Proyectos de Investigación
Trabajos de Grado en modalidad DTeI, monografía, Investigación