Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ARGOS 2015
Tijuana, Baja California, 19 al 21 de Octubre 2015.
(1)
UABC, Facultad de Ingeniería. (2) UABC, Instituto de Ingeniería. (p)
Ponente.
Universidad Autónoma de Baja California, Blv. Benito Juárez s/n, C.P. 21900, Tel. (686) 5664150, Mexicali B.C., México
Abstract
In the development of infrastructure, it means, all the elements and services necessary for a
society to function effectively and progress, it requires scientific and technological
development. Through the discipline of artificial intelligence convergence of information
technologies using statistical methods in the development of techniques for machine learning
in order to train these, is achieved to perform tasks that are designed typical field of human
intelligence. In the process of technological convergence in the implementation of the
development of a prototype for optical scanning machine vision functions response, was
evaluated six methods to find the energetic center of an optoelectronic signal when combined
with artificial intelligence technique to perform measurements angles to calculate coordinates
by dynamically triangulation in order to eliminate measurement errors due to nonlinear
behavior in the optical system and its environment.
Resumen
En el desarrollo de las infraestructuras, es decir, del conjunto de elementos y servicios
necesarios para que una sociedad funcione y progrese efectivamente, se requiere del
desarrollo científico y tecnológico. A través de la disciplina de inteligencia artificial se logra la
convergencia de las tecnologías de la información al utilizar métodos estadísticos en el
desarrollo de técnicas de aprendizaje de máquina con el propósito de capacitar a estas para
que realicen tareas que son pensadas típicas del ámbito de la inteligencia humana. En el
proceso de convergencia tecnológica en la aplicación del desarrollo de un prototipo de barrido
óptico para funciones de visión maquina se evaluó la respuesta de seis métodos para
encontrar el centro energético de una señal optoelectrónica al combinarse con una técnica de
inteligencia artificial al realizar mediciones de ángulos para el cálculo de coordenadas por
medio de triangulación dinámica con el objetivo de eliminar errores de medición debido a
variaciones no lineales en el sistema óptico y en su entorno.
1. Introducción
La infraestructura es la base material de una sociedad. Por medio de la evaluación de la
infraestructura se determina la estructura social de una región, su desarrollo económico y
tecnológico, así como el cambio social de la misma y su calidad de vida. El quehacer científico
y tecnológico propicia el crecimiento y mejora de la infraestructura, afectando está
directamente las fuerzas productivas (recursos naturales, medios técnicos y las fuerzas de
trabajo) y las relaciones de producción que se dan en la sociedad.
El creciente desarrollo de la tecnología de la información en los últimos 20 años ha traído
como consecuencia un auge en la innovación de nuevas aplicaciones a la utilización de
tecnología, el uso de computador electrónico para el manejo y procesamiento de información
ha alcanzado niveles de uso y aplicaciones tan variadas y ubicuas, que se ha convertido en
una área de gran amplitud e impacto, atrayendo el interés de muchos investigadores en
diversas áreas del conocimiento como lo son la ingeniería biomédica para la detección de
enfermedades [1], la ingeniería civil para el monitoreo de salud estructural [2], la ingeniería
mecatrónica para el desarrollo de robots móviles [3], por mencionar solo unas pocas de ellas.
El desarrollo de las tecnologías de la información trajo como consecuencia que los sistemas
de información de bases de datos fueran cada vez más sofisticados, la estructura de datos, el
desarrollo de algoritmos de inserción, localización y borrado de datos, así como el intento de
crear máquinas capaces de realizar tareas que son pensadas como típicas del ámbito de la
inteligencia humana dio origen a la disciplina llamada “Inteligencia Artificial”.
Definiendo entonces a esta disciplina como el esfuerzo de desarrollar sistemas basados en
computadores electrónicos que se pueden comportar como los humanos con la capacidad de
aprender y de tomar decisiones.
El comportamiento de los algoritmos de inteligencia artificial no es descrito explícitamente, si
no que la secuencia de pasos seguidos por el algoritmo es influenciado por el problema en
particular presente, es decir, el algoritmo especifica la secuencia de comandos a seguir para
resolver un problema dado.
Las líneas de investigación más destacadas incluye varios campos de desarrollo tales como la
robótica, usada principalmente en el campo industrial, reconocimiento de palabras,
comprensión del lenguaje natural y traducción automática, visión de máquinas (visión artificial)
que distinguen formas y ubicación de objetos que se usan especialmente en líneas de
ensamblaje, así como técnicas de razonamiento lógico, técnicas de aprendizaje y de
ingeniería del conocimiento.
Unas de las líneas de mayor aplicación es la de visión máquina, mejor conocida como visión
artificial, la cual enfoca sus esfuerzos en reproducir las habilidades de la visión humana por
medio de la percepción y el entendimiento de imágenes a través de dispositivos electrónicos,
principalmente por medio de cámaras con una gran dimensión de datos que resultan en el
requerimiento de espacios muy grandes para almacenamiento de datos, y excesivo tiempo de
procesamiento debido a la complejidad de los algoritmos para extraer patrones y tendencias
importantes de los datos a fin de entender y aprender que nos dice la información.
Para muchas de las aplicaciones no es necesario adquirir la visión completa de una escena
como lo realiza el ser humano para extraer las características de interés, es posible solo
extraer las características significativas de la escena por medio de un sistema de barrido
óptico, mejor conocido como escáner de espejos rotatorios (rotating mirror scanner), para
detalles sobre el sistema ver [4,5].
VIII CONGRESO INTERNATIONAL DE INGENIERIA INDUSTRIAL. ARGOS 2015
Tijuana, Baja California, 19 al 21 de Octubre 2015.
Los sistemas de barrido óptico son utilizados para reflejar un haz de luz (coherente o
incoherente) hacia un fotodiodo, por medio de un espejo rotatorio controlado por medio un
sistema electromecánico, con el propósito de identificar la posición del haz de luz. El espejo
rotatorio está sobre un eje que está montado en una superficie que es rotada por un motor.
El rotor produce un par en virtud del campo magnético rotatorio de un estator del motor y el
espejo rotatorio gira en un número predeterminado de revoluciones por segundo. Mediante
este arreglo, el sistema de barrido con espejo rotatorio puede girar de manera silenciosa a
muy alta velocidad [6]. Sin embargo, aunque el motor rota de manera suave, cuando esta
estacionario el sistema de barrido experimenta dificultad para iniciar la rotación y el motor
presenta problemas de excentricidad a bajas velocidades [7], al realizar la adquisición de la
señal óptica para convertirla en una señal eléctrica a través de un fotodiodo se presentan
algunos efectos ópticos tales como reflexión, difracción, absorción y refracción que afectan la
señal optoelectrónica generada por el sistema de barrido óptico, cuyos efectos pueden ser
minimizados al tomar la medición en el centro energético de la señal optoelectrónica, como
previamente se ha comprobado en las publicaciones de experimentación previa [4,5,8].
Durante la etapa experimental se observó que a pesar de tomar mediciones de posición de un
haz de luz en el centro energético de la señal optoelectrónica generada, se producía un error
en las mediciones que no seguían un patrón lineal, sin embargo podía ser compensado de
manera eficiente por medio del uso de un algoritmo de inteligencia artificial. Ya que se han
desarrollado en la disciplina de inteligencia artificial algoritmos de regresión, los cuales son
utilizados para predicción de valores de variables en muchas aplicaciones como se describe
en [9] y una de esas aplicaciones es la corrección de errores en instrumentos de medición
como se muestra en [10,11].
De este modo, el propósito de este trabajo es la selección de un algoritmo de inteligencia
artificial para ser aplicado a los distintos métodos para calcular el centro energético de una
señal optoelectrónica a fin de utilizar el más adecuado en la medición de posición de un haz
de luz, a fin de explorar los grandes beneficios de la detección de luz coherente o incoherente
en búsquedas de características de interés en un determinado escenario.
2. Metodología
El sistema de barrido óptico utilizado en esta experimentación cuenta con un espejo rotatorio
con una superficie a 45° que provee de mediciones de posición de un haz de luz, por un
método novedoso basado en mediciones geodésicas automáticas. Mediciones precisas de
ángulos espaciales planos son realizadas en el centro energético de la señal optoelectrónica,
para calcular la coordenada de posición de una fuente de luz.
posicionando el haz de luz en 600 coordenadas distintas a través de una mesa óptica con
sistema de coordenadas radiales.
𝐸 = |𝛼 𝑇 − 𝛼𝑀 | (1)
Se evaluaron las predicciones realizadas por los siete algoritmos por medio del error
cuadrático medio (MSE) obteniéndose como resultado que el mejor algoritmo para esta
aplicación es Regresión de Máquinas de Vectores de Soporte (RMVS) como se muestra en
Tabla 1:
Señal Optoelectrónica Mancha del haz de luz Señal Optoelectrónica Mancha del haz de luz
Atributos Objetivo
Peak Detection
Entrenamiento
Rising Edge
Saturation and Integration
Analogic Processing by Electronic Circuit Prueba
Power Spectrum Centroid
Geometric Centroid
Se evaluaron las predicciones del error contra el error real por medio del MSE a todos los
grupos de datos, obteniendo como resultado que el método Geometric Centroid obtuvo
menores valores de MSE después de haber sido corregido por medio de SVMR, como se
muestra en Tabla 3.
∝𝑀𝐶 = ∝𝑀 + 𝐸𝑝 (2)
3.0°<Error<5.9°
energético
Error <2.9°
Error>6.0°
Error<2.9°
Geometric Error>6.0°
68.79 28.29 2.82 98.45 1.55 0.00 1
Centroid
Power
Spectrum 59.39 28.81 17.80 95.90 3.81 0.28 5
Centroid
Analogic
Processing by
66.95 28.95 4.10 96.75 3.25 0.00 4
Electronic
Circuit
Saturation and
68.22 26.84 4.94 97.60 2.40 0.00 2
Integration
Rising Edge 0.00 0.00 100.0 97.60 2.40 0.00 3
Peak
37.71 34.75 27.54 94.49 5.08 0.42 6
Detection
*Los mejores resultados son los que presentan el mayor porcentaje de mediciones con error <2.9°
VIII CONGRESO INTERNATIONAL DE INGENIERIA INDUSTRIAL. ARGOS 2015
Tijuana, Baja California, 19 al 21 de Octubre 2015.
(3)
𝛽 = 180° −∝
3. Conclusiones
Referencias
[1] Rodriguez-Quinonez, Julio C., et al. "Surface recognition improvement in 3D medical laser
scanner using Levenberg–Marquardt method." Signal Processing93.2 (2013): 378-386.
[2] Lynch, Jerome P., and Kenneth J. Loh. "A summary review of wireless sensors and sensor
networks for structural health monitoring." Shock and Vibration Digest 38.2 (2006): 91-130.
[3] Sergiyenko, O. Yu. "Optoelectronic system for mobile robot navigation."Optoelectronics,
Instrumentation and Data Processing 46.5 (2010): 414-428.
[4] Flores-Fuentes, Wendy, et al. "Combined application of power spectrum centroid and
support vector machines for measurement improvement in optical scanning systems." Signal
Processing 98 (2014): 37-51.
[5] Flores-Fuentes, Wendy, et al. "Energy Center Detection in Light Scanning Sensors for
Structural Health Monitoring Accuracy Enhancement." Sensors Journal, IEEE 14.7 (2014):
2355-2361.
[6] Y. Kameyama, S. Kato, and H. Masuko, “Rotary mirror scanner,” Apr. 11975, uS Patent
3,874,778. [Online].Available:http://www.google.com.mx/patents/US3874778
[7] Allan B. Colquhoun, Donald W. Cowan, and Joseph Shepherd, “Trade-offs in rotary mirror
scanner design”, Proc. SPIE 1454, Beam Deflection and Scanning Technologies, 12 (February
1, 1991); doi:10.1117/12.28053; http://dx.doi.org/10.1117/12.28053
[8] Fuentes, W. Flores, et al. "Comparison of signal peak detection algorithms in the search of
the signal energy center for measuring with optical scanning."Proceedings of the IEEE
Seccion Mexico, IEEE ROC and (2011).
[9] J. Gascón-Moreno, E. Ortiz-Garc´ıa, S. Salcedo-Sanz, A. Paniagua-Tineo, B. Saavedra-
Moreno, and J. Portilla-Figueras, “Multi-parametric gaussian kernel function optimization for "-
svmr using a genetic algorithm,” Advances in Computational Intelligence, pp. 113–120, 2011.
[10] Choi, Jin Kyu, Sang Hyun Park, Deuk Jae Cho, and Ki Yeol Seo. "Correction error
generation algorithm for differential positioning performance analysis of navigation equipment."
In Control, Automation and Systems, 2008. ICCAS 2008. International Conference on, pp.
1099-1103. IEEE, 2008.
[11 Rodríguez-Quiñonez, J., et al. "Improve 3D laser scanner measurements accuracy using a
FFBP neural network with Widrow-Hoff weight/bias learning function." Opto-Electronics
Review 22.4 (2014): 224-235.
[12] Flores-Fuentes, Wendy, et al. "Machine vision supported by artificial
intelligence." Industrial Electronics (ISIE), 2014 IEEE 23rd International Symposium on. IEEE,
2014.
[13] Rivas-Lopez, Moises, et al. "Scanning for light detection and Energy Centre Localization
Methods assesment in vision systems for SHM."Industrial Electronics (ISIE), 2014 IEEE 23rd
International Symposium on. IEEE, 2014.
[14] Básaca-Preciado, Luis C., et al. "Optical 3D laser measurement system for navigation of
autonomous mobile robot."Optics and Lasers in Engineering 54 (2014): 159-169
VIII CONGRESO INTERNATIONAL DE INGENIERIA INDUSTRIAL. ARGOS 2015
Tijuana, Baja California, 19 al 21 de Octubre 2015.
Agradecimientos
Queremos agradecer el apoyo del Consejo Nacional de Ciencia y Tecnología, como la
facultad y el instituto de ingeniería UABC Mexicali.
Correspondencia
Wendy Flores-Fuentes
Universidad Autónoma de Baja California, Facultad de Ingeniería Campus Mexicali, Boulevard
Benito Juárez s/n Col. Ex – ejido Coahuila C.P. 21900, Mexicali, Baja California, México. Tel.
(686) 566-4270, Fax (686) 566-4270. E-Mail: flores.wendy@uabc.edu.mx
Lars Lindner
Universidad Autónoma de Baja California, Facultad de Ingeniería Campus Mexicali, Boulevard
Benito Juárez s/n Col. Ex – ejido Coahuila C.P. 21900, Mexicali, Baja California, México. Tel.
(686) 566-4270, Fax (686) 566-4270. E-Mail: lindner.lars@uabc.edu.mx