Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Dialnet DesarrolloEImplementacionDeUnSistemaDeVisionArtifi 5403329 PDF
Dialnet DesarrolloEImplementacionDeUnSistemaDeVisionArtifi 5403329 PDF
Resumen. Este artículo presenta el desarrollo de un Abstract. This project is a products selector system
sistema seleccionador de productos guiado por vi- guided by machine vision, using an integrated
sión artificial, utilizando una cámara web integrada webcam to python free software in conjunction with
al software libre Python, que trabaja en conjunto con the OPEN-CV software. The operating principle is
las librerías open cv. El principio de funcionamiento positioning objects of a color previously set by the
del seleccionador, está basado en un posicionador user, using the RGB color system in front the lens,
de objetos, previamente configurado por el usuario which take care of image capture and processing
usando el sistema de colores RGB frente a la len- through language software. The system, permits
te de la cámara, la cual se encargará de capturar la inform the user if the piece have the color entered and
imagen y procesarla por medio del lenguaje de soft- the shape requested. With this program we made an
ware. El sistema, permite informarle al usuario si la effective identification both in color and shape.
pieza ingresada al sistema es de los colores y la for-
ma deseada por él. Con esto se logra una clasifica- Keywords: Artificial Vision; Manufacturing;
ción de objetos eficaz tanto en color, como en forma. Production line.
Tabla 1.
Comparación de los lenguajes de software libre
Librerías
Lenguaje Ventajas Desventajas
compatibles
alto nivel se supondría que su consumo de recursos Interfaz gráfica: esta interfaz desarrollada en la li-
es muy elevado, sin embargo, es un lenguaje con un brería PYQT como extensión del PHYTON nos per-
consumo de recursos bajo en comparación con los mite interactuar fácilmente con el programa, otorgan-
otros lenguajes de alto nivel lo que lo hace el lengua- do una interfaz amigable e intuitiva para los usuarios.
je libre más viable para su utilización en el diseño del
software de visión artificial. Constructor: esta sección se encarga de ensamblar
la interfaz gráfica y el programa de identificación de
imágenes en un solo programa dándole así la funcio-
5.2. diseño del software
nalidad a la interfaz.
El diseño se compone de tres partes las cuales se
explicarán a continuación.
Cuerpo principal: para finalizar nos encontramos programación y prototipado, la cual es el medio de
con el cuerpo principal del programa, el cual nos per- comunicación y el encargado de enviar las instruc-
mite generar la aplicación compatible con Windows y ciones requeridas por el ordenador al sistema electro
así poder ejecutar el programa en cualquier compu- neumático.
tador con Windows.
Etapa de Configuración: en esta etapa el usuario Las siguientes figuras muestran los resultados ob-
se encarga, por medio de la interfaz, de darle la or- tenidos en la identificación, para obtener el recono-
den al sistema, de los rangos de colores en RGB que cimiento de color y forma mostrados, en la fig. 9 y
serán necesarios para la identificación del objeto en fig. 10 se ubicó la ficha en frente de la cámara, para
su color. Mientras la forma será seleccionada a tra- continuar con la modificación aleatoria de los diferen-
vés de la selección de una de las opciones de los tes valores utilizando el rango de colores RGB (red,
tipos de objetos disponibles (ver fig. 5). Green, blue) debido a que la calidad de la identifi-
cación se ve afectada por dos factores básicos [8]
Etapa de Visión: una vez seleccionados los valores , el primero es la resolución de la cámara, si se po-
de rango en los cuales se desea identificar el objeto, see una cámara de mayor resolución el color sería
se pasa a la etapa de visión donde por medio de una más real y no se alterarían los colores con base en
cámara física, la cual debe ser integrada por medio el color primario del lente, en este caso el azul, y
de código en el sistema (ver fig. 6), se capta la ima- como segundo factor influyente es la luz, esta altera
gen que luego es identificada. también el color de la ficha ya sea aclarándolo u obs-
cureciéndolo.
Etapa de Reconocimiento: la etapa de reconoci-
miento se encarga de filtrar las imágenes captadas El sistema seleccionador de productos una vez ter-
y enviadas por la cámara; este reconocimiento se minada su implementación obtuvo los siguientes re-
hace mediante el análisis de fotogramas [9] (análisis sultados en la adquisición y reconocimiento de las
de una foto por lapso de tiempo), en la cual se iden- imágenes (ver fig. 9)
tifica en primer lugar el color (ver fig. 7), una vez se
tenga el color que el usuario determinó en la interfaz Se observa como el sistema está identificando los
se analizan los fotogramas (los fotogramas por se- objetos de color plateado y al mismo tiempo esta
gundo son modificables en el código); con estos fo- identificando y afirmando que la figura es un círculo.
togramas y los filtros de formas, el software determi-
nará la forma del objeto, si es un circulo un cuadrado Se muestra cómo el sistema identifica el color na-
entre otras figuras. ranja y resalta el hecho de que es un cuadrado (ver
fig. 10).
Etapa de Clasificación: esta es la etapa final del
proceso en donde una vez se tenga determinado el
color y la forma de la pieza se manda una instrucción
a un arduino (ver fig. 8), que es una plataforma de
7. TRABAJO FUTURO Actualmente la visión artificial es cada vez más fácil
de implementar gracias a los lenguajes y plataformas
Como trabajo se espera, ampliar el conjunto de ob- de desarrollo libre. Este trabajo, es una evidencia de
jetos con los cuales pueda trabajar el seleccionador, una actividad simple de reconocimiento de objetos
variando en materiales como sintéticos, cueros y tex- y su articulación para que el sistema trabaje de ma-
turas textiles. nera coordinada, y automatizar así procesos de pro-
ducción.
que le permite al usuario adaptar estos sistemas en [5] F. Gonzalez, J. Guarnizo y G. Benavides, “Emu-
muchos más ambientes tanto en la industria como lation System for a Distribution Center Using
en la academia. Mobile Robot, Controlled by Artificial Vision and
Fuzzy Logic,” Latin America Transactions, IEEE
El uso de visión artificial en un seleccionador de pro- (Revista IEEE America Latina) , vol. 12, no. 4,
ductos es una herramienta de gran ayuda que per- pp. 557–563, 2014.
mite agilizar los procesos de selección y clasificación
de objetos. [6] J. Liu y X. Gou, “Information processing model
of artificial vision prosthesis,” de Computer En-
Como trabajo futuro, se propone incrementar la base gineering and Technology (ICCET), 2010 2nd
de datos de objetos y ampliar la escala de color, ade- International Conference on (Volume:2 ), Cheng-
más de permitir que el sistema pueda ser adaptado du, 2010.
a otros modelos de producción.
[7] C. Salcedo, C. Pena, J. de Jesus Cerqueira y A.
Lima, “Designing a Real Time Artificial Vision
System for Human Interaction with an Omnidi-
REFERENCIAS rectional Mobile Platform,” de Robotics Sympo-
sium and Latin American Robotics Symposium
[1] J. Angulo y J. Serra, “Image Color Segmentation
(SBR-LARS), 2012 Brazilian, Fortaleza, 2012 .
using Bi–variate Histograms in Luminance/Sa-
turation/Hue Polar Color Spaces,” Comp. y Sist, [8] J. Humberto, Visión artificial : rasgos descriptores
vol. 8, no. 4, pp. 303-316, 2005. para el reconocimiento de objetos, Madrid: Ma-
Ca S.A., 2014.
[2] A. Gaujens, A. Benini, A. Mancini y S. Longhi,
“Autonomous navigation, landing and recharge [9] J. Humberto y R. Rodriguez, Procesamiento y
of a quadrotor using artificial vision,” de IEEE/ Análisis Digital de Imágenes, Madrid: Ma-Ca
ASME 10th International Conference on, orlando S.A., 2011.
, 2014.
[10] J. Monso, Sistemas de identificacion y control
[3] Y. Fernandez, A. Sariana y R. Swenson, “Fernan- automaticos (II), Barcelona: Marcombo, S.A.,
dez, Y., Sariana,´Development of a prototype for 1994.
classification of potato mini-tubers based on arti-
ficial vision´,” de Electrical Engineering, Compu- [11] A. Sanchez, Aplicaciones de la vision artificial y
ting Science and Automatic Control,CCE,2009 la biometrica informatica, Madrid: Editorial Dy-
6th International Conference on, Toluca, 2009. kinson, 2005.
[4] L. Frangu y S. Caraman, “Measuring system of [12] Comunidad Open CV, “open CV”, Documenta-
the slab’s position in a metallurgical plant using ción [Online]. Available: www.opencv.org
artificial vision techniques,” de Electronics, Cir-
cuits and Systems, 1999. Proceedings of ICECS [13] Comunidad Python, “Python Programming”,
‘99. The 6th IEEE International Conference on [Online]. Available: https://docs.python.org/2/faq/
(Volume:2 ), Pafos, 1999 . general.html#what-is-python-good-for.