Está en la página 1de 50

Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

Universidad Nacional de Trujillo


Facultad de Ingeniería
Escuela Académico Profesional de Ingeniería
Mecatrónica

“DISEÑO DE UN SISTEMA AUTOMATIZADO DE


VISIÓN ARTIFICIAL PARA EL CONTROL DE
CALIDAD Y SELECCION DE PALTAS HASS”
INFORME DE TESIS
Autor:
Bernuy de la Cruz Rurick Uwe Ademir

Asesor:
Ing. Asto Rodriguez, Emerson

Trujllo, Perú
2018
1
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

DEDICATORIA:

A mis padres por ser las personas


que me han acompañado durante
todo mi trayecto estudiantil y de
vida, por velar por mí durante
todo este arduo camino para
convertirme en un profesional,
pero más que nada, por su amor.

Rurick Uwe Ademir

2
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

AGRADECIMIENTOS:

A mi familia por el apoyo, cariño y


aprecio que me han brindado
todos en estos años. A mis
amigos, gracias a quienes tengo
mil anécdotas que contar y de
quienes llevo muy gratos
recuerdos. A mis profesores
quienes han compartido su
conocimiento y me han ayudado
a crecer como profesional y
persona.

Rurick Uwe Ademir

3
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

RESUMEN

El presente proyecto trata de un sistema automatizado controlado por visión


artificial, para el control de calidad y selección de paltas Hass, utilizando
hardware (sensor de proximidad, cámaras, faja, control de motor, etc.) y el del
software MATLAB y su Toolbox de procesamiento de imágenes. El principio
básico de funcionamiento es transportar las paltas por una faja transportadora,
hasta ser detectadas por un sensor de proximidad posicionado en paralelo con
una cámara, esta captura la imagen y la procesa.
Al realizar este pre-procesamiento, se determina las características del producto
y si cumplen con los requisitos de calidad, de lo contrario estas son rechazadas,
accionando una compuerta en la parte final de la faja
De igual manera, usando ARDUINO como tarjeta de adquisición de datos e
interconexión entre el software MATLAB, encargado del procesamiento de las
imágenes.

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

Fig. 6.2. Componentes de Visión 17


Fig. 6.3 Luz frontal 18
Fig. 6.4 luz lateral 18

Fig. 6.5 iluminación Drakfiel 19

Fig. 6.6 iluminación por contraste 20

Fig. 6.7 iluminación Axial 20

Fig. 6.8 iluminación tipo domo 21

Fig. 6.9 iluminación por laser 22

Fig. 6.10 iluminación incandescentes 22

Fig. 6.11 iluminación fibra óptica 23


Fig. 6.12 iluminación Fluorescentes 23
Fig. 6.13 iluminación por diodos 24
Fig. 6.14 iluminación por laser 24
Fig. 6.15 cámara analógica 26
Fig. 6.16 cámara digital 26
Fig. 6.17 sensor CCD 27
Fig. 6.18 cámara CMOS 28
Fig. 6.19 disposición de la cámara 30
Fig. 6.20 Umbralización 32

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

II. PLAN DE INVESTIGACIÓN


2.1. Realidad problemática
A partir del año 2010, el Perú se encuentra en un auge de su
producción agrícola y se viene colocando como uno de los principales
exportadores de productos agrícolas hacia regiones como Asia,
Europa y Estados Unidos de Norteamérica.
Dentro de la gran variedad de productos que se viene exportando, se
identificó a la palta en sus diferentes variedades como un producto
que ha venido incrementando su volumen de exportación.
El Perú ocupa el sexto lugar en el mundo como país productor y
también el mismo lugar como exportador, lo que genera una mayor
producción en cultivos. Este crecimiento arrastra consigo la necesidad
de desarrollar la tecnología necesaria para poder alcanzar los niveles
de procesamiento requeridos y competir en el mercado global.
Del proceso de producción de paltas, nos centramos en la etapa de
control de calidad y selección, donde una de las mayores dificultades
dentro de la inspección es la supervisión de la apariencia visual. Ésta
es encargada, en la mayoría de las ocasiones, a inspectores
humanos, los cuales seleccionan las paltas de una forma cualitativa y
subjetiva, demandando una gran cantidad de horas debido a la falta
de tecnología.
El sistema de visión humano es adecuado para su funcionamiento en
un mundo de variedad y cambio, mientras que el proceso de
inspección visual industrial, requiere de la observación de una escena
repetida de forma que se puedan detectar anomalías en la forma,
tamaño, color, errores de fábrica o abolladuras. La exactitud del
sistema humano de visión empeora con el trabajo repetitivo y
monótono. El resultado es una inspección lenta y errática. [1]

9
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

2.2. Formulación del problema


¿Cuáles serán las especificaciones técnicas de un sistema
automatizado de visión artificial para el control eficiente de calidad y
selección de paltas Hass?
2.3. Justificación
Las paltas se seleccionan en el almacén o en las bandas
transportadoras. En primer lugar, se deben separar los frutos que
presentan problemas fisiológicos y sanitarios. Luego se agrupan
según tamaño y grado de madurez, de conformidad con las normas
de calidad vigentes en los mercados de destino. Por lo que no es
necesario tocarlas para la selección de Palta Hass, la piel de la misma
cambia de color según la maduración. El cambio de color hacia el
verde oscuro significa que está madurando.
Fig. 1.1 Variedad de Palta

Fuente: http://terravocado.monomi.co/products/aguacate-hass/

Es por este motivo que se identificó la necesidad de mejorar el


proceso de selección de las paltas según su grado de madurez y
daño en el fruto, específicamente las del tipo “HASS”. De este modo
lo que se propone es diseñar un sistema de visión artificial con la
finalidad de disminuir el error debido a la manipulación humana en el
proceso de selección y aumentar el volumen de procesamiento,
comparado con el procesamiento manual. [2]
Relevancia Tecnológica.
La visión artificial es una tecnología que está constantemente en
crecimiento, perteneciente al campo aún más amplio que es la
inteligencia artificial, la cual está presente en una gran cantidad de
procesos actualmente alrededor del mundo.
Relevancia Social.
Mejorar la calidad de los productos (control de calidad), lo cual
aumenta la productividad de la empresa, así como su rentabilidad. Al
igual que el ámbito de seguridad.

10
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

2.4. Antecedentes

V. Sánchez. “Diseño de un sistema de identificación y


clasificación por visión artificial” Año 2013.
Se diseñó un sistema de Identificación y clasificación de figuras
geométricas por colores y formas por Visión Artificial mediante el
software Labview 7.0 creado por National Instruments aplicando un
lenguaje de programación visual, implementando por computador
algoritmos y diagramas de bloques, que permiten comparar patrones.

C. Valdivia. “Diseño de un Sistema de Visión Artificial para la


Clasificación de Chirimoyas basado en medidas” Año 2016.
Se diseñó un sistema de visión artificial para la clasificación de
chirimoyas que cumplan con las dimensiones de 10 × 12cm,
empleando para la etapa de procesamiento: Ajuste de contraste y
para la etapa de segmentación, Cierre, Apertura y Código Cadena;
los métodos seleccionados cumplen con los tiempos de cómputo de
diseño.

J. Porras. “Clasification System Based on Computer Vision” Año


2014.
Sistema automatizado controlado por visión artificial, utilizando
hardware (sensor de luz, control de motor a pasos) y software (control
por MATLAB). El principio básico de funcionamiento es transportar
objetos de color (rojo, verde y azul) por una faja transportadora,
detectarlos con un sensor, capturar la imagen con una cámara web
común y procesarla por MATLAB para clasificarlos en tres distintos
contenedores.

J. Sanchez. “Sistema de Reconocimiento y Seguimiento de


Objetos en Tiempo Real a través de Visión Artificial” Año 2014.
Sistema de visión artificial, así como encontrar un método para
reconocer imágenes en función de su color y su forma, y corroborar
su funcionamiento por medio de la implementación de una
mecanismo, que tiene acoplada una cámara web.

G. Lozano. “Diseño de un Sistema de Visión Artificial para la


Revisión del Nivel de Llenado de Bebidas Embotelladas” Año
2015.
Sistema de control de calidad pata la revisión de llenado de bebidas
mediante el uso de software MATLAB y su toolbox de procesamiento
de imágenes. Este sistema consta de una banda trasportadora
encargada de generar el movimiento de las botellas a evaluar, hasta
ser detectadas por un sensor óptico posicionado en paralelo con una
cámara, la que obtiene las imágenes y las procesa.

11
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

2.5. Objetivos

2.5.1. Objetivo General

Determinar las especificaciones técnicas de un sistema


automatizado de visión artificial para el control de calidad y
selección de paltas Hass.

2.5.2. Objetivos Específicos

 Seleccionar los dispositivos más adecuados para la adquisición


de imágenes.

 Determinar la disposición de la iluminación en la zona de visión


artificial.

 Caracterizar el producto según su grado de madurez.

 Seleccionar el sistema de control más idóneo para la selección


de paltas.

 Desarrollar el algoritmo de medición.

 Ejecutar la programación del controlador.

 Realizar estudios de factibilidad económica.

12
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

2.6. Marco Teórico


2.6.1. Concepto Visión Artificial:
Disciplina científica que permite captar, analizar y entender
imágenes del entorno físico con la ayuda de un ordenador. Tiene
como objetivo, reproducir una sensación similar a la que realiza la
visión humana junto con el cerebro, gracias a la ayuda de una
cámara y un programa en un ordenador, que a partir de una imagen
sea capaz de procesarla y comprenderla para poder tomar
posteriormente las decisiones adecuadas. En un sistema de visión
artificial la imagen se percibe a través de una cámara que equivaldría
al funcionamiento del ojo humano. Ambos sistemas obtienen
imágenes bidimensionales de una realidad y un entorno
tridimensional. [3]
2.6.2. Características Principales en un Sistema de Visión Artificial
 Analizan luz o color reflejado: Miden nivel de luz
 Detectan bordes y formas
 Analizan color
 Actúan sin contacto: No deforman el material
 Se puede analizar un objeto en movimiento
 Son automáticos: Alta velocidad de procesado
 Flexibles: basados en software
 Entorno informático
2.6.3. Visión Humana vs. Visión Artificial
Si bien existe una gran similitud entre ambos sistemas, es cierto que
no se puede averiguar los mecanismos que el cerebro utiliza para
conocer la información y por tanto la posibilidad de implementar
artificialmente la percepción tan sofisticada que posee. La visión
humana además cuenta con un mejor reconocimiento de objetos, se
adapta mejor a situaciones imprevistas, tiene mayor resolución que
la que pueda tener una cámara y se trabaja mejor en situaciones de
alto nivel de proceso.
Este es el caso de algunos aspectos como la capacidad de captar
todo el espectro electromagnético, no solo el rango de luz visible del
que el sistema de visión humana solo es capaz de detectar; las
velocidades de respuesta con tiempos más reducidos que la visión
humana; el hecho de que a la visión humana le puede afectar el
cansancio, la fatiga y las distracciones mientras que la visión artificial
mantiene su nivel de rendimiento constante a lo largo de su vida útil,
y además que con los sistemas de visión artificial se puede trabajar
en entornos que pueden resultar peligrosos y con riesgos para el
sistema de visión humana. [3]

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

atascos en el proceso, y evitar los costes que habría supuesto si se


hubiese seguido trabajando con un elemento defectuoso. Por tanto,
es importante la inspección en línea ya que así se evita la llegada de
artículos defectuosos al cliente o al proceso siguiente de la cadena
de producción. La crecida de la instalación de sistemas de visión
artificial es debida al aumento de competividad entre fabricantes y
proveedores para satisfacer a las industrias receptoras, debido a la
fuerte competividad en el mercado, hecho que ha desencadenado a
que cada vez se inviertan más recursos en automatizar la inspección
en línea mediante sistemas de visión artificial. Se toma la decisión
de realizar estas tareas de inspección mediante sistemas de visión
artificial ya que parece que poseen una precisión y repetibilidad que
la vista humana no tiene o que es incapaz de mantener durante un
largo periodo de tiempo, y por tanto ser más adecuadas en procesos
en línea. Presentando otras ventajas frente a otros sistemas de
inspección automáticos, los cuales precisarían de un contacto con la
pieza a inspeccionar, y por tanto que este parado y bien
cuidadosamente posicionada, mientras que los sistemas de visión
artificial no necesitan contacto con el objeto, evitando así posibles
riesgos de daños, ni parada de la línea y posicionamiento preciso.
Deben tener las siguientes características:
 Robustez: debe ser insensible a posibles variaciones que
aparecen en el entorno industrial. Esta es una característica
complicada de conseguir, pero en casos conde las variaciones
del entorno son limitadas se puede conseguir sin necesidad de
intentar alcanzar las capacidades del sistema humano.
 Fiabilidad: conseguir que la inspección tenga un índice de
errores de reconocimiento muy bajo.
 Precisión.
 Velocidad: Depende del tiempo de inspección que necesite la
aplicación, pero el sistema de visión no puede ser nunca el
cuello de botella del proceso de fabricación.
 Disponibilidad de servicio técnico: Para ante cualquier
eventualidad poder ser rápidamente reparable o sustituible.
 Flexibilidad: Es recomendable que los sistemas sean
diseñados de forma que se pueda adaptar fácilmente a nuevas
tareas.
 Coste: No es fácil de evaluar a simple vista y es preciso
considerar los costes de calidad del proceso como son los
costes de prevención de fallos, costes de inspección y costes
de los defectos, dependerá de cada sistema el plazo de
amortización. Y si puede parecer una inversión cara, la verdad
es que no lo es ya que en general la amortización se produce
en un periodo corto de tiempo. [3]

15
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

2.6.6. Definición Técnica:


La visión artificial consiste en la captación de imágenes en línea
mediante cámaras CCD y su posterior tratamiento a través de
técnicas de procesamiento avanzadas, permitiendo así poder
intervenir sobre un proceso (modificación de variables del mismo) o
producto (detección de unidades defectuosas), para el control de
calidad y seguridad de toda la producción. [4]
Un sistema de visión artificial:
 Capta una imagen de un objeto real
 La convierte en formato digital
 La procesa mediante un ordenador
 Obtiene unos resultados del proceso

Fig. 6.1. Procedimiento de enlace

Fuente: http://visionartificial.fpcat.cat/wp-content/uploads/

 Módulo de digitalización: Convierte la señal analógica


proporcionada por la cámara a una señal digital (para su posterior
procesamiento).
 Memoria de imagen: Almacena la señal procedente del módulo de
digitalización.
 Módulo de visualización: Convierte la señal digital residente en
memoria, en señal de vídeo analógica para poder ser visualizada en
el monitor de TV.
 Procesador de imagen: Procesa e interpreta las imágenes
captadas por la cámara.
 Módulo de entradas/salidas: Gestiona la entrada de sincronismo
de captación de imagen y las salidas de control que actúan sobre
dispositivos externos en función del resultado de la inspección.
 Comunicaciones: Vía I/O, ethernet, RS232 (la más estándar). [2]

16
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

2.6.7. Componentes de visión artificial


En la visión artificial se distinguen varios componentes como lo son:

Fig. 6.2. Componentes de Visión


Artificial

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:

La cámara se posiciona mirando al objeto en la misma


dirección que la luz. Esto reduce las sombras, suaviza las
texturas y minimiza la influencia de rayas, polvo e
imperfecciones que pueda tener el objeto. La cámara recibe
la luz reflejada del objeto. Este tipo de iluminación se
consigue mediante anillos de luz.

Aplicaciones: Indicada para superficies con pocos reflejos:


papel, tela… para la detección de marcas de diferentes
colores, caracteres y detección de todo lo que suponga un
cambio de color en prácticamente cualquier superficie.

Ventajas: Elimina sombras, se puede utilizar a grandes


distancias cámara/objeto.

17
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

Inconvenientes: Intensos reflejos sobre superficies


reflectantes.
Fig. 6.3 Luz frontal

Fuente: http://www.bcnvision.es/blog-vision-artificial
 Luz lateral:

La cámara se posiciona mirando al objeto mientras que la


dirección de la luz es lateral al objeto. El grado de inclinación
del elemento emisor de luz vendrá determinado por el grado
deseado de resalte de los relieves.

Aplicaciones: Indicada para resaltar bordes, rayas y fisuras


en una dirección determinada.

Ventajas: Resalta los relieves por pequeños que sean de los


objetos, resultando una sombra muy definida.

Inconvenientes: Con ángulos pequeños respecto a la


horizontal, la luz producirá sombras en todos los relieves y
en el contorno de la pieza.
Fig. 6.4 luz lateral

Fuente: http://www.bcnvision.es/blog-vision-artificial

18
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

 Iluminación por campo oscuro (Darkfield):

La luz es emitida lateralmente con un ángulo muy pequeño


mediante un anillo en todas las direcciones, rebotando en los
defectos del objeto a analizar e incidiendo en la cámara.

Aplicaciones: Indicada para resaltar incrustaciones y


códigos alfanuméricos con poco contraste en metal sobre
metal o gris sobre gris. Muy utilizada en la verificación de
grabados tipo láser o troquel.

Ventajas: Destaca los detalles en superficies con muy poco


contraste.

Inconvenientes: No es recomendable en superficies que


absorban la luz.
Fig. 6.5 iluminación Drakfiel

Fuente: http://www.bcnvision.es/blog-vision-artificial

 Iluminación por contraste (Backlight):

La luz es emitida desde la parte posterior del objeto


quedando este entre la fuente de iluminación y la
cámara. La iluminación tiene que ser uniforme en toda la
superficie del objeto. La cámara inspecciona la silueta del
objeto por contraste pudiendo realizar mediciones de alta
precisión.

Aplicaciones: Indicada para la inspección de la silueta del


objeto. Utilizada también en materiales translúcidos o
transparentes para detectar manchas, rayas, grietas, etc.

Ventajas: Permite inspecciones de siluetas con mediciones


muy precisas y de impurezas en los objetos transparentes o
translúcidos.
19
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

Inconvenientes: No permite reconocer los detalles


superficiales del objeto, códigos, inscripciones, etc.

Fig. 6.6 iluminación por contraste

Fuente: http://www.bcnvision.es/blog-vision-artificial

 Iluminación Axial difusa:

La luz es emitida lateralmente siendo reflejada 90º por un


espejo semitransparente que desvía los haces de luz en la
misma dirección que el eje de la cámara, consiguiendo una
luz difusa homogénea.

Aplicaciones: Indicada para la inspección superficies


planas reflectantes, como PCB, etiquetas reflectantes,
inspección de impresión sobre aluminio o cavidades
profundas.

Ventajas: Permite inspecciones de códigos en materiales


altamente reflectantes.

Inconvenientes: No permite reconocer relieves en el objeto.


Fig. 6.7 iluminación Axial

Fuente: http://www.bcnvision.es/blog-vision-artificial 20
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

 Iluminación difusa Tipo Domo:

La luz es emitida dentro de una cúpula esférica resultando


una luz difusa desde todas direcciones, eliminando sombras
y reflejos, suavizando texturas y minimizando la influencia de
rayas, polvo, relieves y curvaturas que pueda tener el objeto
inspeccionado.

Aplicaciones: Indicada para la inspección de superficies


tales como: instrumental médico, espejos, compact disk,
latas, etc.

Ventajas: Eliminación de sombras y minimización de


arrugas, polvo y relieves.

Inconvenientes: Coste elevado.


Fig. 6.8 iluminación tipo domo

Fuente: http://www.bcnvision.es/blog-vision-artificial

 Iluminación por láser:

La iluminación mediante láser o luz estructurada se utiliza


normalmente para resaltar o determinar una tercera
dimensión de un objeto.

Se trata de colocar la fuente de luz láser en un ángulo


conocido con respecto al objeto a iluminar y a la cámara, de
forma que viendo la distorsión de la luz pueda interpretarse
la profundidad de los objetos a medir. También se utiliza
para indicar el trazado por el que se debe ajustar un proceso,
por ejemplo, en aplicaciones de corte.

Para realizar una inspección en 3D de un objeto, se proyecta


una línea de luz. Las distorsiones en la línea se traducen en
variaciones en la altura. De aquí se puede desprender una

21
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

forma en 3D detectando la falta o exceso de material o llegar


a hacer una reconstrucción en tres dimensiones del objeto.

Aplicaciones: Ajuste de procesos de corte, control de


profundidad de objetos, etc.

Ventajas: No le influye la iluminación externa.

Inconvenientes: Coste elevado. Si se utilizan lentes


cilíndricas para conseguir una línea o un patrón concreto, el
láser no tiene la misma intensidad lumínica a lo largo del
patrón. [7]
Fig. 6.9 iluminación por laser

Fuente: http://www.bcnvision.es/blog-vision-artificial

2.6.7.1.2. Fuentes de iluminación:


 Iluminación mediante lámparas incandescentes: Su
iluminación es bastante homogénea aunque presenta las
dificultades de ser consumidoras y disipadoras de calor. Es
la fuente de iluminación más común y consiste en un
filamento de tungsteno o halógeno-tungsteno. Como ventaja
tiene que existe gran variedad de potencias, además que
son muy baratas y como desventaja, que reducen su
luminosidad con el tiempo, lo que puede provocar problemas
en algunos sistemas de visión.
Fig. 6.10 iluminación incandescentes

Fuente: http://grlum.dpe.upc.edu/manual/sistemasIluminacion
22
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

 Iluminación mediante fibra óptica: Proporcionan una gran


intensidad de luz uniforme, con ausencia de sombras. Es
ideal para iluminar objetos de reducidas dimensiones y se
pueden sujetar al objetivo de la cámara o a la óptica de un
microscopio. A los anillos de luz se les puede acoplar filtros
de colores, polarizadores/analizadores, y difusores para
eliminar reflejos y aumentar el efecto difusor.
Fig. 6.11 iluminación fibra óptica

Fuente: http://www.informador.com.mx/tecnologia

 Iluminación mediante fluorescentes: (Anulares, lineales,


lineales de apertura, de panel).Este tipo de iluminación
proporciona una luz brillante, sin sombras. Las lámparas han
sido diseñadas para suministrar el máximo de intensidad
durante al menos 7000 horas. Lo que proporciona una mayor
productividad. Existen lámparas blancas en distintas
temperaturas de color, Y también ultravioletas (UV). Esta
iluminación se aplica en entornos que requieren mucha luz,
y ningún tipo de sombra, (análisis biológicos, inspección y la
microscopía, Ensamblaje, Inspección de circuitos, Industria,
Laboratorios, Visión Industrial, Fotografía, Control de
Calidad, Robótica, etc...)
Fig. 6.12 iluminación Fluorescentes

Fuente: http://www.infaimon.com/es/iluminacion-por-fluorescente

23
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

 Iluminación mediante diodos led: Proporcionan una luz


difusa muy útil para la aplicación en ciertos objetos. Pueden
ser de iluminación directa y en anillo.

Fig. 6.13 iluminación por diodos

Fuente: http://www.keyence.com.mx/products/vision/vision-sys

 Iluminación mediante láser: Los patrones láser se utilizan


mayoritariamente en aplicaciones de medida de
profundidad, y de superficies irregulares. Mediante ópticas
especialmente diseñadas, se puede convertir un puntero
láser, en diferentes formas y tamaños. [8]

Fig. 6.14 iluminación por laser

Fuente: http://www.infaimon.com/es/iluminacion-por-laser

24
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

II.6.7.1.3. Cuadro Comparativo


Fuente Ventaja Inconveniente
Bajo coste
Fácil de utilizar Desprenden calor
Incandescente Pueden estar en funcionamiento elevado
durante largos periodos de Pierden luminosidad con
tiempo el tiempo
Permite ajustar la intensidad
No transmite calor en el proceso
Óptica de iluminación Coste elevado
Ideales para iluminar pequeñas
áreas y zonas de difícil acceso
Imposibilidad de operar a
Fluorescente No generar calor bajas temperaturas
Formas y tamaños variables Disminución del nivel de
Diversos colores de luz iluminación con el paso
del tiempo
Luz monocroma en una gran
Led´s variable de colores Intensidad luminosa muy
Periodo de vida largo baja
Bajo coste
Permite generar una gran Mal comportamiento
Láser diversidad de patrones de luz frente a superficies que
(puntos, líneas, finas, rejillas, absorben luz
etc.)
Fuente: repositorio.uac.edu.co/bitstream/handle/11619/1371/TMCT

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

cámaras han evolucionado mucho en los últimos años, tanto es


así que hoy en día para el control industrial se hace uso de
cámaras inteligentes, las cuales incorporan los elementos
tradicionales de las cámaras convencionales (sensor y
electrónica asociada a la captura) pero además se acompañan
de un procesador, memoria y sistema de comunicaciones con el
exterior, y por tanto componen en sí mismas un sistema
completo de visión artificial. [3]
II.6.7.2.1. Tipos de Cámaras
 Cámaras Analógicas:
Son aquellas cámaras que poseen una señal de salida
analógica de video, la cual puede venir acompañada o no,
por otras señales de sincronización. La señal de video viene
limitada por la anchura de banda y por el ruido análogo que
puede proporcionar el cable.
Fig. 6.15 cámara analógica

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

Los sensores de este tipo de cámaras son fabricados


principalmente en dos tecnologías, CCD y CMOS:

 Sensor CCD

Un charge-coupled device o CCD, convierte las cargas


de las celdas de la matriz en voltajes y entrega una señal
analógica en la salida, que será posteriormente
digitalizada por la cámara.

En los sensores CCD, se hace una lectura de cada uno


de los valores correspondientes a cada una de las
celdas. Entonces, es esta información la que un
convertidor analógico-digital traduce en forma de datos.
En este caso, la estructura interna del sensor es muy
simple, pero se tiene como inconveniente la necesidad
de un chip adicional que se encargue del tratamiento de
la información proporcionada por el sensor, lo que se
traduce en un gasto mayor y equipos más grandes.

Fig. 6.17 sensor CCD

Fuente: https://www.xatakafoto.com/camaras/sensores- ccd-vs-cmos

27
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

 Sensor CMOS

En el caso del sensor de tipo CMOS (Complementary


Metal Oxide Semiconductor), aquí cada celda es
independiente. La diferencia principal es que la
digitalización de los píxeles se realiza internamente en
unos transistores que lleva cada celda, por lo que todo
el trabajo se lleva a cabo dentro del sensor y no se hace
necesario un chip externo encargado de esta función.
Con esto conseguimos reducir costes y equipos más
pequeños. [2]

Fig. 6.18 cámara CMOS

Fuente: https://www.xatakafoto.com/camaras/sensores- ccd-vs-cmos

28
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

II.6.8. Etapas de la visión artificial:


Se puede decir que todos los sistemas de visión artificial,
independientemente de la aplicación a la que estén orientados,
tienen unas etapas de funcionamiento común. Se pueden distinguir
dos fases principales, la formación de las imágenes y el
procesamiento de estas.
La primera fase está constituida por el sistema de iluminación, la
captación de la imagen y la adquisición de la señal en el ordenador.
Una vez hecho esto se pasa a la segunda fase en la que se procesa
la imagen mediante algoritmos para alcanzar otro tipo de
información. [8]

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

Dentro de las tecnologías más usadas se encuentran los


sensores Charge Coupling Device (CCD) o por su traducción
Dispositivo de Almacenamiento de Carga en el cual los
elementos fotosensibles y el conjunto de puertas lógicas y
circuitos de control asociados son integrados en un mismo chip.
La luz que penetra en el semiconductor lleva los electrones de
valencia a la banda de conducción, por lo que el número de
electrones es proporcional a la intensidad de la luz. Los diodos
están formados por fotolitografía, así que tienen un patrón
perfectamente regular, sin distorsión de imagen.
La iluminación, es el aspecto más decisivo en cualquier
aplicación de visión artificial, a nivel mundial, en Italia se estudió
la iluminación y procesamiento de imagen en la industria,
sustentando la cátedra: Visión en color y reconocimiento de
patrones. ’Eligiendo la técnica adecuada de iluminación se
puede lograr un aumento en la exactitud, en la fiabilidad del
sistema y en su tiempo de respuesta. Es un error muy serio y
costoso asumir que se puede compensar una iluminación
inadecuada con un algoritmo. Para este fin, se utilizara el
sistema de iluminación Frontal Oblicua y Direccional, la dirección
de la luz (´Angulo de incidencia) es el ´Angulo por el plano
normal a la superficie y el rayo incidente. En la iluminación frontal
direccional, el ´Angulo entre los rayos incidentes y la superficie
es de 30 grados, lo que reduce un poco el contraste pero
incrementa la cantidad de información obtenible de las
superficies planas. La fuente de luz ser ‘a LED (Light Emiting
Diodes) blanca, de alta intensidad que proporciona una
iluminación más potente, tiene una vida larga 100,000 horas y
solo requiere un cable de alimentación. Estará distribuida en
forma de anillo.

Fig. 6.19 disposición de la cámara

Fuente: https://www.xatakafoto.com/camaras/sensores- ccd-vs-cmos

30
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

II.6.8.3. Pre - Procesamiento


Hace referencia al proceso inicial de una imagen la cual no ha
sido trabajada, la imagen capturada es capturada a través de los
sensores y es transferida hacia el computador, en aquel
momento, la imagen se convierte en digital formada por dígitos
que pueden ser leídos por la computadora, dichos dígitos son
convertidos en pequeños puntos llamados Pixels, donde 0 es
Negro y 255 es Blanco. Cada Pixel en Color es representado por
3 dígitos RGB (Red, Green, Blue) también en intervalos de 0 a
255 dependiente de la intensidad del color. En algunos casos la
imagen capturada puede contener elementos y distorsiones no
deseadas. Por tal motivo, el propósito del Preprocesamiento es
mejorar la calidad de la imagen adquirida eliminando las partes
indeseables o realzando las partes de mayor interés en ellas.
1. Conversión de los niveles de grises.
2. Transformaciones geométricas.
3. Transformaciones del histograma.
4. Filtrado espacial y frecuencial.
II.6.8.4. Segmentación
Es el proceso en el cual se logra descomponer la imagen en sus
partes u objetos constituyentes que guarden una fuerte relación
con los objetos o el ´área de interés utilizada en la matriz
principal de análisis. Es una de las partes más difíciles e
importantes en el procesamiento de la imagen dado que una
correcta segmentación simplificar ‘a en gran medida la solución
del problema. Así mismo, una segmentación incorrecta hará que
el sistema arroje resultados erróneos. Algunas técnicas
comúnmente usadas para la segmentación son:
1. Umbralización (Thresholding): Proceso en el cual donde
solo las regiones oscuras son de interés, las otras regiones
son convertidos a los colores del fondo. Es una técnica muy
´útil para determinar la madurez, defectos y daños para la
clasificación.
2. Técnicas basadas en detección de contornos: Se basa
en la detección de discontinuidades en el nivel de gris, color
de pixeles, texturas, etc.
3. Técnicas basadas en crecimiento de regiones: implica
un agrupamiento y luego la extracción de pixeles similares
para formar una región que represente un ´único objeto en la
imagen, en esta técnica, las otras regiones son eliminados,
dejando solo la característica de interés.
31
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

Mediante la automatización de un sistema de control de visión


artificial, se podrá disminuir el error (forma y grado de madurez)
debido a la manipulación humana en el proceso de selección
de palta Hass.

3.2. Variables

Variable Dependiente: - Fiabilidad del Sistema

Variable Independiente: - Sistema de visión artificial


- Especificaciones de Calidad de la Palta
- Control de Sistema

Variable Definición conceptual Indicadores Escala de medición


Probabilidad en que el
Fiabilidad del sistema funciones bajo Ratio de error %
Sistema ciertas condiciones.
Cámara Pixel

Técnicas para adquirir Iluminación Lumen


Sistema de imágenes y lograr
visión artificial medir ciertas Región de interés Filtros
características físicas
Mejoramiento Nitidez

Especificaciones Se determinara si la palta Color Color de la Palta


está dentro de las
de calidad de la especificaciones del
palta producto a comercializar. Forma Parámetros estándares

Control de Dirige o regula el


Sistema comportamiento del Control Proporcional Tiempo de establecimiento
sistema.

3.3. Métodos de investigación

Método teórico: Identificar el problema; definir y presentar


el problema; explorar las estrategias viables; avanzar en
las estrategias; y lograr la solución.

Método empírico: De forma experimental; donde emplearemos


herramientas para medir nuestros indicadores y ajustarlos para
llegar al objetivo deseado.

33
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

3.4. Población y muestra

Población: Industrias que requieran automatización en su


sistema de control de calidad de productos.
Muestra: Sistema de visión artificial automatizada para el control de
calidad de paltas Hass

3.5. Técnicas de recolección de datos

Parte importante del proyecto se basa principalmente en la


investigación de datos bibliográficos, realizando un análisis más
profundo del tema, en este caso, de sistema de visión artificial.
Esto permite recopilar la información necesaria para estar al
tanto, extender, derivar diferentes teorías y juicios sobre el
problema del proyecto. Apelando al uso de distintas fuentes de
información como libros, investigaciones previas, y sitios web.

3.6. Criterios de selección

Criterio de inclusión: Empresas que cosechen paltas Hass


para su comercio.
Criterio de exclusión: Empresas que no cosechen paltas
Hass o no tengan la necesidad de aplicar la automatización.

Inicio

Seleccionar los dispositivos

Determinar la disposición de la iluminación

Caracterizar el producto

Seleccionar el sistema de control

Desarrollar el algoritmo

Ejecutar la programación

Realizar estudios de factibilidad económica

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

Principales lugares de producción

Temporada de palta en Regiones

35
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

4.1.2. Clasificación de la palta Hass para selección:


Color:
Como dato curioso, te contamos que las Hass no maduran en el árbol,
sino que lo hacen o se “suavizan” después de ser cosechados. Las paltas
Hass poseen algunas características exclusivas que no tienen algunas de
las otras variedades, ya que pueden variar desde su color verde oscuro a
un tono violáceo profundo, casi negro, cuando están maduros.
Pálida: Falta de madurez fisiológica, color verde pálido hasta
amarillento.

Daño por el sol: Porción amarillo-naranja por exceso de


exposición al sol.

Madura: Colores oscuros que denotan mayor madurez o contacto


con el suelo. Generalmente, está asociado con una textura algo
más suave.

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.

PUNTO DE SELECCIÓN, FORMA Y MADUREZ

36
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

4.2. Propuesta del Sistema


4.2.1. Secuencia de operación y funciones:
Preparación:
 Mover todo el sistema a sus condiciones iniciales para poder iniciar la
clasificación.

 Recepcionar las paltas y ubicarlas en la faja transportadora.

Ejecución:
 Asegurarse si la palta se encuentra en la posición inicial de la faja.

 Mover la faja, hasta llevar a la palta bajo la zona de captura.

 Capturar la imagen de las paltas para poder obtener información de


ellas.

 Analizar la información obtenida para poder medir los parámetros


necesarios.

 Clasificar las paltas por su calidad.

 Enviar una señal al controlador que informe si la palta cumple con los
parámetros establecidos de calidad

 Asegurarse de que la palta se encuentre en el área de trabajo del


actuador final.

 Separar las paltas basándose en la señal recibida utilizando un actuador


final.
Control:
 Verificar que la cámara se encuentre operativa.

 Encender la maquina e iniciar el proceso de selección.

 Controlar el procesamiento de imagen y la clasificación.

 Controlar la presencia de paltas bajo la zona del actuador final y la zona


de captura.

 Controlar la parada de emergencia en caso existiese.

 Controlar el proceso de inicio a fin.

37
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

4.2.2. Diagrama de flujo del sistema

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

Detener faja SI ¿Detecto el


después de 1s sensor 2?

¿Continuar con NO
FIN
el sistema?

38
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

4.2.3. Esquema del sistema

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

4.2.4. Disposición de la iluminación en la zona de captura


El objetivo de la iluminación es mejorar el contraste entre el objeto
capturado y el fondo para así poder facilitar la segmentación presente
durante el proceso de Visión Artificial, la iluminación estará dispuesta en
forma frontal y direccional en anillo.
La cámara se posiciona mirando al objeto en la misma dirección que la
luz. Esto reduce las sombras, suaviza las texturas y minimiza la influencia
de rayas, polvo e imperfecciones que pueda tener el objeto. La cámara
recibe la luz reflejada del objeto.

Aplicaciones: Indicada para superficies con pocos reflejos: papel, tela…


para la detección de marcas de diferentes colores, caracteres y detección
de todo lo que suponga un cambio de color en prácticamente cualquier
superficie.

Ventajas: Elimina sombras, se puede utilizar a grandes distancias


cámara/objeto.

Inconvenientes: Intensos reflejos sobre superficies reflectantes.

La altura de iluminación sería de 0,30m, el color de la iluminación blanca


para asegurar un buen contraste entre el fondo y las paltas.
4.2.5. Selección de dispositivos
Selección de cámara
La cámara seleccionada debe tener por característica ser de alta
velocidad (> 90f ps), también contar con interfaz USB 3.0 para una rápida
comunicación y transmisión de datos con el Computador. Para la
selección del dispositivo de Captura se consideraran 2 características, el
primero es Field of View (Campo de visión) y el Tiempo de Exposición,
este asegura de que la imagen no quede distorsionada al ser capturada
en movimiento.

40
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

Por lo que se tomó en cuenta la Cámara “Flea3 FL3-U3-13S2M-CS


1/3”Monochrome USB 3.0 Camera” con sensor CMOS 1/3” Sony IMX035
el cual tiene una resolución de 1328x1048px, dicha cámara con sus 35gr
cuenta con 1,3MP y 120f ps cuenta con una interfaz USB3,0 para una
rápida comunicación y transmisión de información.

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:

Fuente Ventaja Inconveniente


Bajo coste
Fácil de utilizar Desprenden calor
Incandescente Pueden estar en funcionamiento elevado
durante largos periodos de Pierden luminosidad con
tiempo el tiempo
Permite ajustar la intensidad
No transmite calor en el proceso
Óptica de iluminación Coste elevado
Ideales para iluminar pequeñas
áreas y zonas de difícil acceso
Imposibilidad de operar a
Fluorescente No generar calor bajas temperaturas
Formas y tamaños variables Disminución del nivel de
Diversos colores de luz iluminación con el paso
del tiempo
Luz monocroma en una gran
Led´s variable de colores Coste medio
Periodo de vida largo
No transmite calor
Permite generar una gran Mal comportamiento
Láser diversidad de patrones de luz frente a superficies que
(puntos, líneas, finas, rejillas, absorben luz
etc.)

41
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

 Led Ring Light Anillo Luz Para Cámara Digital Profesional

Selección de sensor
Son necesarios 3 sensores dispuestos a lo largo del Transportador de paltas:

 S1 y S3 para determinar las posiciones iniciales y finales de las paltas.


 S2 para determinar que el producto está en la zona de captura.
Sensor Característica Ventaja Desventaja

Incorporan una No entra en contacto


bobina directo con el objeto
electromagnética la a detectar. Solo detectan
Sensor inductivo cual es usada para Tiempo de reacción metales
detectar la presencia muy reducido Se ven afectado por
de un objeto Tiempo de vida largo campos magnéticos
metálico. Insensibles al polvo y
a la humedad
Produce un campo Fácil de usar
electroestático en Detectan metales y
comparación del no metales Requiere limpieza
inductivo que genera Ligero y reducido en cuidadosa
Sensor capacitivo un magnético, tamaño Sensibles a la
sensando así no solo Tiempo de vida largo humedad
metales si no Tiempo de reacción
cualquier otro muy reducido
material. No se desgastan

 Sensor capacitivo dc con salidas PNP & NPN series cp30-50c

42
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

Selección de controlador
 Arduino Mega 2560:

Se seleccionó este dispositivo para generar las comunicaciones de


diferentes softwares encargados de controlar el sistema. Elegido por su
bajo costo y fácil comunicación. Posee puertos de entrada y salida digital,
útil para generar las ordenes al sistema y entradas pwm necesarias para
controlar la velocidad de los motores DC.

Selección de actuador
 SERVO-06K

El servomotor más utilizado en proyectos de


robótica por su versatilidad y buen rendimiento a
un bajo precio. Con el suficiente torque para
resistir el peso de la palta. Puede rotar
aproximadamente 180 grados (90° en cada
dirección). Tiene la facilidad de poder trabajar
con diversidad de plataformas de desarrollo
como Arduino, PICs, Raspberry Pi, o en general
a cualquier microcontrolador.

43
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

4.2.6. Software y programación en Matlab

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

VI. REFERENCIAS BIBLIOGRAFICAS


[1] J. Javier “Diseño de un sistema mecatrónico para seleccionar paltas” Año
2016

[2] C. Valdivia. “Diseño de un Sistema de Visión Artificial para la Clasificación de


Chirimoyas basado en medidas” Año 2016.

[3] A. Estaun “Adecuación de un Sistema de Visión Artificial para Control de


Calidad” Año 216
[4] G. Lozano. “Diseño de un Sistema de Visión Artificial para la Revisión del
Nivel de Llenado de Bebidas Embotelladas” Año 2015.
[5] “Aplicación práctica de la visión artificial en el control de procesos
industriales” Visión Artificial febrero 2012
Disponible: http://visionartificial.fpcat.cat/wp-content/uploads/UD_1_didac_
Conceptos_previos.pdf
[6] J. Sánchez. “Sistema de Reconocimiento y Seguimiento de Objetos en
Tiempo Real a través de Visión Artificial” Año 2014.
[7] Blog de visión artificial BCNVISION Sistema de iluminación para
aplicaciones de visión artificial
Disponible: http://www.bcnvision.es/blog-vision-artificial/iluminacion-vision-
artificial2/
[8] J. Cáceres. “Sistema de Visión Artificial para Inspección del Nivel de Llenado
de Bebidas Embotelladas”

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

Controlador Arduino Mega 2560

48
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

Actuador Servo motor 06K

Sensor capacitivo dc con salidas PNP & NPN series cp30-50c

49
Universidad Nacional de Trujillo Escuela de Ingeniería Mecatrónica

Software (Matlab):

Matriz de imagen:

% Genera una matriz I(x,y), de la Imagen original que se encuentra en


los
% Matriz con tamaño de 1920 x 2560 unit8, es decir
% con 4.915.200 pixeles (4.9 Megapíxeles) con valores de cada pixel
entre
% 0 y 255, donde cero (0) es el color negro y (255) el color blanco.

clear all, close all, clc

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