Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Asesor:
Ing. Asto Rodriguez, Emerson
Trujllo, Perú
2018
1
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
DEDICATORIA:
2
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
AGRADECIMIENTOS:
3
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
RESUMEN
4
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
ABSTRACT
The present project deals with an automated system controlled by artificial vision,
for the quality control and selection of Hass avocados, using hardware (proximity
sensor, cameras, belt, motor control, etc.) and that of the MATLAB software and
its Toolbox of image processing. The basic principle of operation is to transport
the avocados through a conveyor belt, until they are detected by a proximity
sensor positioned in parallel with a camera, which captures the image and
processes it.
When performing this pre-processing, the characteristics of the product are
determined and if they meet the quality, otherwise they are rejected, by actuating
a gate in the final part of the belt
In the same way, using ARDUINO as data acquisition card and interconnection
between the MATLAB software, in charge of image processing.
5
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
INDICE GENERAL
Dedicatoria I
Agradecimiento II
Resumen III
Abstract IV
I GENERALIDADES 8
1.1. Título 8
1.2. Autor 8
1.3. Asesor 8
1.4. Tipo de investigación 8
1.5. Localidad 8
1.6. Duración del proyecto 8
II. PLAN DE INVESTIGACIÓN 9
2.1. Realidad problemática 9
2.2. Formulación del problema 10
2.3. Justificación 10
2.4. Antecedentes 11
2.5. Objetivos 12
2.5.1. General 12
2.5.2. Específicos 12
2.6. Marco Teórico 13
III. METODOLOGÍA 33
3.1. Hipótesis 33
3.2. Variables 33
3.3. Métodos de investigación 33
3.4. Población y muestra 34
3.5. Técnicas de recolección de datos 34
3.6. Criterios de selección 34
IV. RESULTADOS 35
4.1. Caracterización del producto 35
41.1. Características y especificaciones técnicas de la palta 35
4.1.2. Clasificación de la palta Hass para selección 36
4.2. Propuesta del Sistema 37
4.2.1. Secuencia de operación y funciones 37
4.2.2. Diagrama de flujo del sistema 38
4.2.3. Esquema del sistema 39
4.2.4. Disposición de la iluminación en la zona de captura 40
4.2.5. Selección de dispositivos 40
4.2.6. Software y programación en Matlab 44
4.2.7. Costos 44
IV. CONCLUSIONES 44
IV. BIBLIOGRAFIA 45
IV. ANEXOS 46
6
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
INDICE DE FIGURAS
Fig. 1.1 Variedad de Palta 10
Fig. 6.1. Procedimiento de enlace 16
7
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
I. GENERALIDADES
1.1. Título
“Diseño de un sistema automatizado de visión artificial para el control
de calidad y selección de paltas Hass”.
1.2. Autor
Bernuy de la Cruz, Rurick Uwe Ademir
1.3. Asesor
1.3.1 Asesor Metodólogo:
Ms. Ing. Julca Verástegui, Luis Alberto
1.3.2 Asesor Especialista:
Ing. Asto Rodriguez, Emerson
1.4. Tipo de investigación
1.4.1. De acuerdo al fin que se persigue
Investigación aplicada.
1.4.2. De acuerdo a la técnica de contrastación
Investigación Experimental.
1.4.3. De acuerdo al régimen de investigación
Investigación Orientada.
1.5. Línea de Investigación
Área: Ingeniería y Tecnología
Disciplina: Automatización y Sistemas de Control
1.6. Localidad
Ciudad de Trujillo
1.7. Duración del proyecto
Fecha de inicio: Noviembre del 2017
Fecha de avance: Enero del 2018
8
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
9
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
Fuente: http://terravocado.monomi.co/products/aguacate-hass/
10
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
2.4. Antecedentes
11
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
2.5. Objetivos
12
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
13
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
2.6.4. Aplicaciones
El uso de estos sistemas de visión en distintas aplicaciones está
creciendo rápidamente. La mayoría son de aplicación industrial y
científica.
Aplicaciones industriales:
Las aplicaciones industriales están encaminadas para acelerar sus
procesos, reducir costes de producción y mejorar la calidad del
producto final para su venta al cliente. Algunas aplicaciones
industriales son por ejemplo la metrología óptica 2D y 3D, lectura de
datos (OCR, OCV, código de barras), reconocimiento y verificación
de caracteres orientado a la mejora de trazabilidad, almacenamiento
y lectura en ciertos sectores como la gestión logística, almacenes y
seguridad, verificación de impresión, orientación y posicionamiento
de objetos, recuento de productos, inspección de superficies,
sistemas de seguridad y vigilancia.
Aplicaciones científicas:
La visión artificial también se aplica en ámbitos de la biología y
medicina como por ejemplo, en aplicaciones microscópicas
(identificar propiedades de las células o contar microorganismos) y
macroscópicas (para identificar texturas o características de
diferentes áreas naturales); realización de diagnósticos de diferentes
enfermedades, por ejemplo, radiografías, resonancias y
tomografías; aplicaciones en robótica quirúrgica o cirugía asistida y
visualización tridimensional de órganos; y aplicaciones para
seguridad con la utilización de imágenes de huellas dactilares, caras
o imágenes de retinas.
Otras aplicaciones:
Además, se pueden encontrar en otras aplicaciones para control de
tráfico (detección de matrículas de los coches) y seguimiento de
actividades humanas. [3]
2.6.5. Visión Artificial en la Industria
En la actualidad existen procesos de fabricación que son muy
complejos y por tanto es necesario realizar un control de calidad para
poder verificar ciertas características del producto final. Este control
se realiza mediante la inspección del objeto para determinar si
cumple con unas determinadas especificaciones técnicas. Esta
inspección puede tratarse de un análisis del producto al final del
proceso de fabricación, o de un proceso intermedio de fabricación
que proporciona la información necesaria para determinar si las
operaciones realizadas han sido correctas y así poder continuar con
la siguiente fase de producción sin tener que interrumpir o formar
14
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
15
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
Fuente: http://visionartificial.fpcat.cat/wp-content/uploads/
16
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
Fuente: http://www.sabia.tic.udc.es/
2.6.7.1. Iluminación
Esta es la parte más importante del sistema, debido a que es
necesario resaltar las características más relevantes de los
objetos a analizar.
Esto a su vez ayuda a que las cámaras obtengan una buena
captura de la imagen que posteriormente será procesada. Los
objetos siempre deben estar iluminados de forma adecuada y
estos pueden variar dependiendo del resultado que se desee
obtener. [4]
2.6.7.1.1 Tipos de Iluminación
Luz frontal:
17
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
Fuente: http://www.bcnvision.es/blog-vision-artificial
Luz lateral:
Fuente: http://www.bcnvision.es/blog-vision-artificial
18
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
Fuente: http://www.bcnvision.es/blog-vision-artificial
Fuente: http://www.bcnvision.es/blog-vision-artificial
Fuente: http://www.bcnvision.es/blog-vision-artificial 20
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
Fuente: http://www.bcnvision.es/blog-vision-artificial
21
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
Fuente: http://www.bcnvision.es/blog-vision-artificial
Fuente: http://grlum.dpe.upc.edu/manual/sistemasIluminacion
22
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
Fuente: http://www.informador.com.mx/tecnologia
Fuente: http://www.infaimon.com/es/iluminacion-por-fluorescente
23
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
Fuente: http://www.keyence.com.mx/products/vision/vision-sys
Fuente: http://www.infaimon.com/es/iluminacion-por-laser
24
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
II.6.7.2. Cámaras
En la captura de la imagen intervienen las cámaras, formadas al
igual que el ojo humano, por una lente convergente que proyecta
la imagen sobre una superficie sensible a la luz denominada
sensor de imagen. Según la aplicación puede necesitarse una o
varias cámaras, las cuales se encargan de capturar la imagen
proyectada en el sensor, a través de las ópticas, y así recoger
las características del objeto en estudio para su posterior
procesado. Estos sensores pueden ser realizados en dos
tecnologías, la tecnología CCD que proporciona una mejor
calidad de imagen, por ello tiene mayor difusión en aplicaciones
profesionales, ciencia y astronomía, o tecnología CMOS que es
más económica y ofrece un menor tamaño y además puede
capturar partes de la imagen, no teniendo que transmitirla
completamente, al contrario que en los sensores con tecnología
CCD. A la hora de escoger una cámara hay que tener en cuenta
el objeto que se va a inspeccionar para elegir el sensor
adecuado. Para ello se tiene en cuenta una serie de
características que principalmente son: resolución, sensibilidad,
rango dinámico, SNR, smear y velocidad de captura. Las
25
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
Fuente: http://www.infaimon.com/es/camaras-industria
Cámaras Digitales:
Estas cámaras destacan entre las más actuales, debido a
que poseen sensores sensibles a la luz (foto sensores) y
cantidad de componentes electrónicos en su interior, que
brindan un mayor desempeño y calidad de la imagen
capturada.
Fig. 6.16 cámara digital
Fuente: http://www.infaimon.com/es/camaras-industria
26
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
Sensor CCD
27
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
Sensor CMOS
28
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
Adquisición de
Acondicionamiento
Datos
Pre - Extracción de
Segmentación
Procesamiento Características
Reconocimiento
o Interpretación
II.6.8.1. Acondicionamiento
El acondicionamiento, hace referencia a todos los cálculos y
consideraciones necesarias para realizar un correcto
procesamiento de imágenes, tales como: la iluminación,
sombras proyectadas, selección de la cámara, entre otros.
II.6.8.2. Adquisición de la imagen
En esta etapa se obtiene la imagen adecuada del objeto a
estudiar bien sea a través de una cámara de video, una cámara
fotográfica, un escáner, etc. La adquisición se hace por medio
de algún tipo de sensor el cual modifica su señal eléctrica en
función de la intensidad luminosa que percibe.
29
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
30
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
Umbralización
Proceso por el cual se convierte una imagen en escala de grises
a otra en blanco y negro, con la finalidad de que los puntos que
sobrepasen el valor de umbral tomen por color el blanco y los
que no pasen el valor umbral.
Fig. 6.20 Umbralización
Fuente: http://repositorio.concytec.gob.pe/bitstream/CONCYTEC
II.6.8.5. Extracción de características
Una vez se han separado adecuadamente los objetos que
componen la imagen se procede a aplicar un método con el cual
sea posible extraer los datos de interés. El objetivo entonces es
extraer rasgos que proporcionen información cuantitativa o que
permitan diferenciar una clase de objetos de otra. Estas
características pueden ser de tipo morfológico como ´área,
perímetro, esqueletos, así como características basadas en
textura y color.
Reconocimiento e interpretación En este procesamiento de alto
nivel de reconocimiento, se le asigna una etiqueta a un objeto
con base en la información que brindan sus descriptores. La
interpretación le da un sentido o significado a los objetos
reconocidos para finalmente llegar a clasificarlos según sus
propiedades. Una técnica comúnmente usada en la etapa de
clasificación se basa clasificadores estadísticos o modelos
neuronales multicapa mediante el algoritmo de retro
propagación.
II.6.8.6. Reconocimiento e interpretación
En este procesamiento de alto nivel de reconocimiento, se le
asigna una etiqueta a un objeto con base en la información que
brindan sus descriptores. La interpretación le da un sentido o
significado a los objetos reconocidos para finalmente llegar a
clasificarlos según sus propiedades. Una técnica comúnmente
usada en la etapa de clasificación se basa clasificadores
estadísticos o modelos neuronales multicapa mediante el
algoritmo de retro propagación. [5]
32
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
III. METODOLOGÍA
3.1. Hipótesis
3.2. Variables
33
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
Inicio
Caracterizar el producto
Desarrollar el algoritmo
Ejecutar la programación
FIN
34
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
IV. RESULTADOS
4.1. Caracterización del producto
41.1. Características y especificaciones técnicas de la palta
Características
35
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
Forma:
Las paltas deben tener una forma típica (en forma de pera o la punta algo
se aceptan paltas muy curvadas, alargadas, aplanadas, amorfas,
asimétricas o deformadas. Tampoco con protuberancias (“cachos” o
crestas) ni con hundimientos. Una proporción muy baja de paltas
“redondas” puede tolerarse incluso en la Categoría I. La cáscara debe ser
característica (rugosa) y no lisa.
36
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
Ejecución:
Asegurarse si la palta se encuentra en la posición inicial de la faja.
Enviar una señal al controlador que informe si la palta cumple con los
parámetros establecidos de calidad
37
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
INICIO
SI ¿Inicio de NO
Sensor 1
programa?
NO
NO
¿Detecto el SI SI ¿Detecto el
sensor 1? Mover faja Sensor 2
sensor 2?
Procesar Capturar la
Parar faja
imagen imagen
¿Producto
Mover faja Sensor 3
acto?
NO SI
NO
Actuador
¿Continuar con NO
FIN
el sistema?
38
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
Zona de Captura
C1
IL
S1 S2 S3
Faja transportadora
A1
M1
SIGLAS ESPECIFICACIÓN
S1 Sensor de posición inicial
S2 Sensor de posición en zona de captura
S3 Sensor de posición final
C1 Cámara de captura
IL Iluminación de zona de captura
A1 Actuador, servomotor de exclusión
M1 Motor de faja transportadora
DESCRIPCION REQUERIMIENTO
Longitud de la Faja 1200 mm
Longitud de la zona de captura 300 mm
Ancho de la maquina 300 mm
Velocidad de la faja 0.40 m/s
39
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
40
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
Selección de iluminación
Como se indicó la posición de la iluminación será de forma frontal y en
anillo, por lo que se tomó en cuenta las siguientes opciones:
41
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
Selección de sensor
Son necesarios 3 sensores dispuestos a lo largo del Transportador de paltas:
42
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
Selección de controlador
Arduino Mega 2560:
Selección de actuador
SERVO-06K
43
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
4.2.7. Costos
ITEM DESCRIPCION CANTIDAD PRECIO TOTAL
UNITARIO
1 Estructura de 1 500 500
Aluminio
2 Materiales de ajuste 1 50 50
3 Cinta 1 50 50
Transportadora
4 Motor DC 24v 1 50 50
5 Fuente regulable 1 100 100
6 Arduino Mega 1 70 70
7 Servo SG-5010 6Kg 1 30 30
8 Puente H L298N 1 15 15
Cámara Flea3 1 450 450
9 Sony IMX035
10 Placa de conexión 1 50 50
11 Conectores RJ45 4 2.5 10
12 Cable Ethernet 2 8 16
13 Licencia software 1 500 500
14 Sensores de 3 15 45
proximidad
15 Led Ring Light Anillo 1 275 275
Luz
16 Servo motor 06k 1 30 30
TOTAL(SOLES) 2231
V. CONCLUSIONES
44
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
45
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
VII. ANEXOS
Características de los componentes:
Cámara Flea3 1.3 MP Mono USB3 Vision (Sony IMX035)
46
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
Iluminación Led Ring Light Anillo Luz Para Cámara Digital Profesional
47
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
48
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
49
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica
Software (Matlab):
Matriz de imagen:
foto1 = imread('C:\Users\alvaro\Desktop\foto1.jpg');
figure(1), subplot(2,1,1)
imshow(foto1);
title({'\color[rgb]{1 0 0}VISIÓN \color[rgb]{0 1 0}ARTIFICIAL
\color[rgb]{0 0 1}Usando Matlab';'\color[rgb]{0 0
0}ImagenGrisVisionArtificial.m'; '\color[rgb]{0 0 1}IMAGEN ORIGINAL'})
GRIS=rgb2gray(foto1);
subplot(2,1,2)
imshow(GRIS);
title({'\color[rgb]{0 0 1}IMAGEN ESCALA DE GRISES'})
50