Focus control for a desalinator by solar distillation through artificial
vision
Sergio Isai Palomino-Resendiz1, Diego Alonso Flores-Hernández1, Alberto Luviano-Juárez1,
Norma Beatriz Lozada-Castillo2, Oscar Octavio Gutiérrez -Frías1
Abstract— The present work shows the design and imple-
mentation of a position control by artificial vision for the focus
system of a desalination robot by solar distillation, in order to
provide conditions of operation, safety and monitoring to carry
out the process Of distillation. In such a way that the limits of
displacement and the position of the container are established
in real time by crossing two permissible curves, one defined in
relation to the process temperature and another in terms of
safety. The control is validated through experimental tests.
I. I NTRODUCCIÓN
El agua dulce es esencial para la vida; sin embargo, en
la actualidad se ha reducido considerablemente su cantidad
disponible a causa de la contaminación y explotación des-
medida. Esta situación ha generado diversas problemáticas
que afectan y ponen el riesgo la supervivencia de poblacio-
nes de forma directa o indirecta, ya que de ella depende
la realización de la mayoría de los procesos naturales y
artificiales (consumo, agricultura, industria, uso sanitario,
etcétera). Aunado a la escasez del recurso, también se gene-
ran problemáticas alternas, como por ejemplo contrucción
de presas, traslados prolongados del líquido entre otros,
lo que representa costos elevados para los usuarios, así
como daños colaterales al medio ambiente [1]. En México,
la cantidad de agua dulce es insuficiente para cubrir las
necesidades de la población, ya que del total con la que
se cuenta, el 27.7 % se encuentra contaminada en un grado
irreversible o de inutilidad, el 33.2 % tiene una calidad
aceptable o reversible la cual, a través de tratamientos, puede
ser utilizada en la mayoria de procesos y uso sanitario o
bien en casos particulares llegar a ser potable. Finalmente,
el 44.1 % cuenta con una calidad excelente que puede ser
utilizada en cualquier actividad a excepción del consumo
humano en su forma directa, ya que debe ser potabilizada
con un proceso mínimo [2]. Lo anterior significa que menos
del 50 % total debe soportar todos los fines posibles a los que
se puede exponer, y a su vez, considerar una disminución
1 Instituto Politécnico Nacional (UPIITA). Av. Instituto Politécnico
Nacional 2580 Col. Barrio la Laguna Ticomán, Ciudad de
México, México. C.P. 07340. slash_sipr@hotmail.com,
dfloreshe@ipn.mx, aluvianoj@ipn.mx,
ogutierrezf@ipn.mx .
2 Instituto Politécnico Nacional (ESIME-Zacatenco). Av. Luis En-
rique Erro S/N, Unidad Profesional Adolfo López Mateos, Gusta-
vo A. Madero, Zacatenco, Ciudad de México, México. C.P. 07738.
norma.lozada.c@gmail.com
978-1-5090-6450-2/17/$31.00 ©2017 IEEE
constante ya que muchos procesos son los causantes de
condiciones irreversibles de contaminación. Diversas organi-
zaciones proponen técnicas y/o estrategias para el cuidado
y recuperación del líquido tales como: concientización de
la población, programas ecológicos, tratamiento de aguas
residuales, entre otros. Sin embargo, éstas no se concretan
plenamente ya que se proyectan por lapsos prolongados, son
muy costosas y solo se planean para regiones centrales. Lo
anterior debido a que la prioridad parte del centro del país
y estados colindantes donde se encuentran la mayoría de
las reservas con las que se abastecen los estados exteriores.
Así, el problema continúa y, a su vez, desfavorece en mayor
medida a poblados localizados en las zonas costeras, mismos
que por sus condiciones incluyen escasez de forma natural.
Actualmente, para dichas regiones, una alternativa es la
implementación de técnicas de desalinización tales como:
ósmosis inversa, ionización y solar. De esta manera se logra
abastecer y satisfacer necesidades básicas como el uso sani-
tario y consumo a menor escala en tales regiones o bien, para
el caso de plantas desalinizadoras, se aporta una cantidad
a mayor escala para necesidades de procesos artificiales,
agricultura, etc. [3]. En particular la desalinización solar,
adiciona un beneficio mas, pues implica el uso de una fuente
de energía limpia como lo es la Radiciación Solar (RS); la
cual se presenta de manera natural e inagotable en el medio
[4] [5]. Cabe mencionar que este tipo de sistemas se clasifica
en dos categorías [3]:
Pasivo: se refiere a un dispositivo construido con un
conjunto de elementos (baldes, películas transparentes
entre otros), los cuales se exponen de forma directa a
los rayos solares. Para este caso no existe un estándar
y por tanto se denomina como casero. La cantidad de
agua que logra producir depende directamente de sus
dimensiones y las condiciones climáticas. Algunas pro-
puestas como las de [6], [7], reportan una producción
de 15 a 20 litros de agua por día (ver figura I inciso
(a)).
Activo : se refiere a un dispositivo que acelera el
proceso de calentamiento del agua a través del uso
de concentradores solares. Los cuales adicionan ins-
trumentación y sistemas de control que automaticen el
proceso en tareas de captación y aprovechamiento de la
RS, suministro de agua salada así como almacenamien-
122
 to y traslado de la solución desalinizada (ver figura I
inciso (b)). Con relación a la capacidad de producción
y los elementos utilizados, se pueden definir como
sistemas de grado industrial (plantas desalinizadoras)
o bien de uso doméstico. Como en el caso anterior, la
cantidad de agua producida depende las dimensiones
de los elementos utilizados, las condiciones climáticas
y el desempeño del sistema de control. Esta configura-
ción supera la producción del tipo pasivo, reportando
en algunas de sus versiones industriales más simples,
desde 100 litros de agua al día [8].
(a) Adaptada de [6]. (b) Adaptada de [8].
Fig. 1. Sistemas desalinizadores.
Adicionalmente, los sistemas activos también pueden ser
considerados como sistemas híbridos ya que combinan
diversas tecnologías para llevar a cabo el proceso de des-
tilación en su totalidad o de forma particular en alguna de
las etapas que lo componen. Normalmente dichos sistemas
emplean técnicas de automatización mediante equipos in-
dustriales de medio costo [9]. Es importante mencionar que
un sistema de este tipo debe producir una cantidad viable de
agua dulce que supere los métodos tradicionales con base en
la relación costo-beneficio, ya que en caso contrario, se vuel-
ve poco rentable [3].Entre las opciones reportadas, el Insti-
tuto Tecnológico de Massachussets (MIT) [10] presenta una
propuesta híbrida de un desalinizador pasivo que incorpora
un Seguidor Solar (SS). Este sistema, alimenta una resis-
tencia eléctrica utilizando la energia producida por un Panel
Fotovoltaico PV, mejorando los índices de producción res-
pecto a la configuración pasiva de un sistema desalinizador.
Sin embargo, la Energía Eléctrica (EE) producida es muy
poca para alimentar al SS y a su vez la resistencia eléctrica
que consume alrededor de 1000 Watts/hora. Por otra parte, el
Instituto Tecnológico y de Estudios Superiores de Occidente
(ITESO) [11], reporta una planta desalinizadora con un
arreglo de PVs fijos que supera al del MIT en términos de
produción de EE útil para acelerar el proceso de destilación.
Sin embargo, agregar más PVs representa elevar el costo
de fabricación del sistema, ya que se debe acondicionar
y acumular una mayor cantidad de energía fotovoltaica,
aunado a mayor instrumentación. En [12], se reporta un
conjunto de aplicaciones que utilizan Lentes de Fresnel (LF)
incorporadas a sistemas SS. Un caso en particular muestra
un proceso de calentamiento de agua para uso sanitario u
otro proceso alterno a través de la implementación de un
Intercambiador de Calor (IC) que recibe la Energía Térmica
(ETR) del Punto Focal (PF) producido por el Gradiente
978-1-5090-6450-2/17/$31.00 ©2017 IEEE
de Temperatura (GT) y la transmite a la solución. Cabe
notar que este dispositivo supone la incidencia del PF como
ideal, así como una distancia constante entre el LF y el IC.
Donde, el área del IC es grande para evitar incidencias de
riesgo en la estrucutra, lo cual representa alta disipación
de ETR.Finalmente, la mayoría de las propuestas existentes
no plantean correctamente la relación costo-beneficio como
es el caso de sistemas que incorporan PVs, ya que gran
parte de la energía producida se destina al funcionamiento
de la instrumentación y mecanismos asociados. Por otra
parte, los sistemas que incorporan concentradores pasivos
por LF, son diseñados en función de la eficiencia energética
del mismo; es decir suponen su operación en condiciones
ambientales favorables, lo que a su vez provoca mantener
fija la distancia entre el LF y el IC. Así, lo anterior resulta
en pérdidas significativas de captación de la RS o bien
menor cantidad de ETR producida, además de no tener un
control sobre la temperatura del proceso. Por tanto, es fácil
notar que este tipo de sistemas necesita, en gran medida,
de un buen control de enfoque para mejorar la captación y
conversión de la RS ya que en la realidad existen diversas
eventualidades que afectan su funcionamiento (presencia
de nubes o reducción de la radiación solar entre otras).
Ahora, cabe mencionar que una de las razones por las
que se limita este tipo de diseños es la complejidad que
involucra controlar una imagen térmica. Normalmente, esta
problemática solo se resuelve para casos de tipo industrial, a
través de la implementación de sistemas de control e instru-
mentación especializada, siempre y cuando se mantenga la
rentabilidad en términos de producción. En la actualidad una
alternativa que reduce considerablemente la instrumentación
es la implementación del control por visión artificial [13],
ya que es una estrategia que permite tomar decisiones y
llevar a cabo acciones de control en tiempo real para un
proceso donde la medición de la variable o variables de
interés representan un riesgo o bien son de difícil acceso.
Lo anterior, se logra a través del procesamiento digital
de imágenes el cual toma ciertos rasgos de interés de un
objeto u objetos y los relaciona con efectos o eventos del
proceso físico. Es por ello que en esta propuesta se pretende
aprovechar la mayor cantidad de radiación solar variando
la incidencia del PF con el IC luego de orientar de forma
perpendicular al sol la LF, situación que permite tener mayor
cantidad de energía térmica destinada al proceso de desti-
lación. Esto se logra mediante la implementacıón de una
estrategia de control de enfoque que adiciona un sistema de
visión artificial el cual permite monitorear la imagen térmica
en el exterior del contenedor asegurando su integridad, y a
su vez, mantener las condiciones de operación durante la
realización del proceso en el interior del mismo, a través
de la inclusión de un sensor de temperatura (termopar),
presentando así una posible solución a las problemáticas
expuestas en general. El resto del trabajo se presenta de la
siguiente manera: La sección II proporciona una descripción
123
 y desarrollo necesarios para el modelo de la propuesta
del controlador en dos etapas: por temperatura del proceso
y seguridad del exterior. En la sección III se muestra la
implementación de las estrategias de control desarrolladas
en el microcontrolador mediante el uso del software Matlab-
Simulink, lo que considera el análisis y procesamiento de
señales para el monitoreo de temperatura con la que se lleva
a cabo el proceso, así como la noción del procesamiento
digital de imágenes. La sección IV establece un análisis de
pruebas realizadas para validar el controlador. Finalmente se
proporcionan algunas conclusiones y propuestas de trabajo
a futuro.
II. P RELIMINARES
En esta sección se presentan las herramientas necesarias
para el desarrollo del presente trabajo, incluyendo la descrip-
ción del sistema robótico, la estrategia de simplificación del
análisis mediante el desacople de los sistemas, el modelado
dinámico del actuador, así como el control de temperatura
por visión artificial.
II-A. Descripción del robot
El robot utilizado se compone de tres Grados de Libertad
(GDL) en cadena cinemática abierta con configuración Re-
voluta Revoluta Prismática (RRP). Los primeros dos GDL
corresponden a la configuración general de un sistema SS
de dos ejes [14], los cuales orientan de forma perpendicular
hacia el sol las superficies de los PVs y la LF, con el
objetivo de captación y transformación de RS en EE y ETR
respectivamente. El tercer GDL se localiza en el centro de la
estructura y se encarga del Enfoque Térmico (ET) a través
del desplazamiento de un IC sobre el cual incide el PF
[15] provocado por la LF para llevar a cabo el proceso de
destilación (ver figura 2).
Fig. 2. Robot desalinizador.
978-1-5090-6450-2/17/$31.00 ©2017 IEEE
II-B. Desacople de los sistemas
Los sistemas que componen el robot (SS y ET) están
desacoplados, ya que el seguimiento solar se desarrolla de
forma independiente al objetivo de enfoque térmico, aunque
es evidente que este último depende del sistema SS para
ser provisto de la ETR y realizar el proceso de destilación.
Actualmente, el robot cuenta con la implementación de un
sistema de control de seguimiento de trayectoria para el
sistema SS [16] [17]. En la figura 3 se muestra el proceso de
desacople sobre un esquema gráfico equivalente del robot;
en la izquierda se muestra la configuración original de 3
GDL, y a la derecha el desacople resultante considerando
la orientación controlada de los primeros 2 GDL.
Fig. 3. Desacople del robot desalinizador.
II-C. Modelado dinámico del actuardor
Luego de realizar el desacople de los sistemas, el pro-
blema puede verse como un control de posicionamiento de
un robot de un GDL, el cual consiste en un desplazamiento
lineal a través del acoplamiento de un motor de CD con un
husillo, como puede verse en la figura 4. Así, el modelo
Fig. 4. Sistema de enfoque térmico (ET).
matemático del actuador se expresa utilizando un modelo
generalizado de un motor de CD resultante del análisis por
juntas independientes [18]. Para nuestro caso de estudio
se establece la notación q(t) = q y u(t) = u, asi como
2
dq(t)
dt = q̇ y d dtq(t)
2 = q̈, de manera que el modelo viene
dado por
J q̈ + B q̇ = u + d
124
 donde J ∈ R > 0 1 es la inercia efectiva y B ∈ R > 0
el término de fricción. Luego, q ∈ R representa la posición
vertical del contenedor, u ∈ R la entrada de control y d ∈ R
una constante de perturbación que considera dinámicas no
modeladas y efectos del exterior que afecten el desarrollo
de movimientos.
II-D. Lente de Fresnel y gradiente de temperatura
Una LF es un tipo de concentrador que transforma la RS
en ETR a través de la focalización de los rayos solares [15],
el cual construye un GT con origen en el centro del lado
anverso de incidencia y tiene un diámetro equivalente al de
la LF. La máxima temperatura se registra en el lugar con
menor diámetro del GT, el cual es conocido como PF, y se
localiza en el extremo o cima del GT. Para el caso ideal
(condiciones ambientales favorables y constantes así como
incidencia normal al sol) puede conocerse la distancia que
existe entre el PF y el origen del GT a través de la siguiente
expresión que considera la geometría utilizada en el robot
[19]
  
dvint
x(r) = tan(φ) R − −r .
tan(θ)
Donde, r es el radio del intercambiador de calor, φ es el
ángulo máximo de apertura de los rayos focalizados con
el lente, θ es el ángulo provocado por el vidrio en los
rayos focalizados, dvint es la distancia entre el vidrio y el
intercambiador de calor, R es el radio de la LF [19]. Los
valores de estas variables para nuestro caso de estudio se
pueden apreciar en la figura 5. Al substituir estos datos se
obtiene la distancia focal x(500) = 855mm.
Fig. 5. Geometría y dimensiones del sistema desalinizador.
II-E. Control de temperatura
Por otra parte, el LF cuenta con las siguientes caracte-
rísticas: Diámetro de 1000 mm, una distancia entre anillos
da =0.3mm y un espesor eLF = 3mm, lo que nos permite
1 Se considera R como el espacio de los números reales.
978-1-5090-6450-2/17/$31.00 ©2017 IEEE
utilizar la siguiente expresión para calcular la constante de
concentración geométrica que viene dada por [19]:
Aa
C=
Aabs
donde Aa es el área efectiva de la lente de Fresnel y Aabs
es el área de contacto o incidencia. Para fines prácticos, esta
última se define con un radio de 5mm, por tanto
π5002 mm
C= = 10000
π52 mm
dicha cantidad permite clasificar la LF como un concentra-
dor del alta eficiencia [15], el cual en condiciones favorables
logra producir una temperatura (T ) aproximada de 1000◦C.
Sin embargo, dicha temperatura excede la cota permisible
(96◦C< T < 374◦ C) para llevar a cabo el proceso de
destilación, se sabe que el agua logra llegar a su punto de
ebullición alrededor de los 96◦ C (en la Ciudad de México)
y tiene una temperatura crítica de 374◦ C [20]. Por lo tanto
el problema de control se establece como un sistema de
focalización que desplace el intercambiador de calor, de
modo que el diámetro de incidencia con el GT varíe su
tamaño, y así la temperatura se vea reducida o aumentada.
Finalmente, el control de posición del actuador debe cumplir
la siguiente relación
D(T ) = q ∗ − q,
donde, q ∗ representa la posición deseada, q la posición
actual y D(T ) un desplazamiento lineal en función de la
temperatura el cual se puede apreciar en la figura 6 y se
define como
(
1, T < 96
D(T ) = 0, 96 ≤ T ≤ 374
−1, T > 374
Físicamente el intercambiador se desplaza de una altura
Fig. 6. Longitud de desplazamiento y distancia focal.
máxima equivalente a la incidencia del PF (en condiciones
favorables) hacia una distancia mayor (dirección contraria
125
 al origen), por lo tanto si la temperatura excede la cota
permisible este baja y se amplia el diámetro de contacto, así
la temperatura se reduce. En caso contrario, si la temperatura
es menor a la cota éste se eleva y reduce el diámetro de
contacto con lo que, aumenta la temperatura. Finalmente,
si la temperatura se encuentra dentro de la cota establecida
éste mantiene su posición. Dado que el contenedor cuenta
con un Termopar instalado en su interior, la adquisición de
la temperatura con la que se lleva a cabo el proceso de
destilación en el interior se puede conocer en tiempo real
(ver figura 7). Dada la naturaleza de la planta se puede Fig. 8. Gradiente de temperatura con desviación y asimétrico.

un caso ideal donde el GT tiene perfecta simetría. En la

Fig. 7. Termopar.
establecer una ley de control tipo Proporcional Integral
Derivativa con Pre-alimentación (o PID FF por sus siglas
en inglés) [18] [21] de la forma
B caso de incidencia con el PF, además se debe incluir también
u =J(q¨∗ + − kp (q − q ∗ ) − kd (q̇ − q˙∗ )
Z tJ
− ki (q(τ ) − q ∗ (τ )d(τ )).
0
donde kp , kd , ki ∈ R son las ganancias proporcional, de-
rivativa e integral respectivamente. La implementación del
control propuesto lleva a la siguiente ecuación generalizada
de la dinámica del error para la cual se emplea la siguiente
notación eq (t) := q − q ∗
... B contenedor y sus alrededores, y a su vez generar un rasgo
eq (t) + ( + kd )e¨q (t) + kp e˙q (t) + ki eq (t) = 0.
J
Aplicando la transformada de Laplace suponiendo condi-
ciones iniciales cero, se tiene el polinomio de la forma
J + kd )s + kp s + ki = 0. Para que el error de
s3 + ( B 2
realidad se debe suponer que el PF puede incidir con el
contenedor o cualquier otra superficie que rodea el área de
interés (vidrio que protege el intercambiador de calor) en
cualquier momento, lo que pone en riesgo la estructura del
contenedor, o bien, del robot. Por otra parte, dado que el
valor máximo de la temperatura puede llegar a 1000 ◦ C, el
proceso debe ser considerado de grado industrial, lo que
implica instrumentación especializada y de mayor costo.
Una alternativa de solución consiste en el monitoreo exterior
a través de un sistema de visión artificial que permita al
controlador desplazar el intercambiador a zonas seguras en
un recubrimiento de grado industrial en las áreas potenciales
a la exposición del PF.
II-F.1. Procesamiento digital de imágenes y momentos
invariantes de Hu (MIH): Para el caso de estudio se
seleccionó la tapa superior del contendedor como el objeto
de interés, la cual fue recubierta con una malla aislante fabri-
cada de asbesto y luego pintada de color rojo respetando su
forma y dimensiones tal como puede apreciarse en la figura
9. Lo anterior se realizó con con la finalidad de proteger el
que no se repita en el entorno. Luego, se instaló una cámara

seguimiento tienda a cero de forma exponencial respecto

al tiempo, se eligen kp , kd y ki tales que las raíces del
polinomio anterior se localicen en el semiplano izquierdo
del plano complejo s.
II-F. Control por visión artifical Fig. 9. Recubrimiento del intercambiador de calor.

El sistema SS con el que cuenta el robot considera un

error absoluto de posicionamiento de un grado, valor que
se encuentra dentro de la cota permisible para ese tipo de
sistemas [14]. Sin embargo, la influencia de dicho error
afecta el desarrollo y construcción del GT, el cual inevi-
tablemente se genera con falta de simetría como se muestra
en la figura 8. Así, la estrategia de control previamente
obtenida se define como incompleta, ya que solo considera
web de forma fija sobre la estructura que sostiene la LF,
lo que representa no exponerla a temperaturas peligrosas.
Cabe mencionar que ésta se orientó hacia el contenedor (ver
figura 10). Entonces, si la cámara se encuentra fija sobre
la estructura ésta se moverá en conjunto con la misma. Sin
embargo, el contenedor se desplaza de forma independiente,
lo que representa que el objeto de interés sufra cambios

978-1-5090-6450-2/17/$31.00 ©2017 IEEE 126


Fig. 10. Cámara web instalada sobre la estructura del robot.
en su percepción (rotación, traslación o escalamiento). Para
dicho problema una herramienta útil es la implementación
del cálculo de los MIH, tal que el conjunto de valores
que caracterizan el objeto son constantes a pesar de que
éste sufra algún cambio. Dichos momentos se obtienen
a través de la obtención de los descriptores de Fourier,
mejor conocidos como invarianzas en el procesamiento
digital de imágenes. Ya que el objeto tiene una geometría
simple, se utilizan los primeros siete momentos ya que son
relacionados a los efectos mencionados [22]. Entonces, sea
s(k) = [x(k), y(k)] con k = 1, 2, .. una función discreta que
describe el contorno de un objeto (digital) en una imagen
binarizada, para la cual existe la transformada de Fourier,
sus momentos centrales, tienen la forma [23]
así, los momentos invariantes vienen dados por
φ1 = η20 + η02 , φ2 = (η20 − η02 )2 + 4η11
2
,
φ3 = (η30 − η12 )2 + (η21 − η03 )2 ,
φ4 = (η30 + η12 )2 + (η21 + η03 )2 ,
φ5 = (η30 − η12 )(η30 + η12 )[(η30 + η12 )2 − (η21 + η03 )2 ]
+ (η21 − η03 )(η21 + η03 ),
2 2
φ6 = (η20 − η02 )[(η30 + η12 ) − (η21 + η03 ) ]
+ 4η11 (η30 + η12 )(η21 + η03 ),
φ7 = (3η21 − η03 )(η30 + η12 )[(η30 + η12 )2 − 3(η21 + η03 )2 ]
− 3(η21 − η03 )(η21 + η03 )[3(η30 + η12 )2 − (η21 + η03 )2 ].
III. D ISEÑO E IMPLEMENTACIÓN DEL CONTROLADOR
La implementación del controlador en el sistema se
realizó a través de la programación del microcontrolador
ARM modelo STM32F4 - Discovery utilizando el Software
Matlab-Simulink y el toolbox de waijung, dicha herramienta
permite transportar de forma directa archivos generados por
Simulink hacia la tarjeta. Luego, para la etapa de potencia y
control de giro del motor se utilizó un driver Pololu modelo
VNH5019 y opto acopladores. En la figura 11 se muestra
el programa desarrollado en el entorno de Simulink. Luego,
-FDUVSB

EF
FODPEFS
EFM
BDUVBEPS 4BMJEB
EF
MB
TF×BM

EF

DPOUSPM
IBDJB
FM
%SJWFS
Z

FUBQB
EF
QPUFODJB

$POUSPM
1*%
''
µ00 = m00 , µ10 = 0, µ01 = 0,
R V
µ20 = m20 − x̄m10 , µ02 = m02 − ȳm01 , -FDUVSB
EF
TF×BM
EF
TBMJEB
R
EFM
5FSNPQBS

µ11 = m11 − ȳm10 , R

µ30 = m30 − 3x̄m20 + 3x̄m20 + 2m10 x¯2 , 5

1SPHSBNB
EF
QSPDFTBNJFOUP

EF
MBT
TF×BMFT
5
Z
R

µ12 = m12 − 2ȳm11 − x̄m02 + 2y¯2 m10 , QBSB
MB
DPOTUSVDDJóO
EF
% 5

µ03 = m03 − 3ȳm02 + 3ȳm02 ,

Fig. 11. Programa control temperatura.

los cuales se obtienen a partir de las siguientes ecuaciones,

para p, q = 0, 1, 2, 3 para la etapa de control por visión artificial, se desarrolló
un programa en el entorno de Matlab-Simulink, el cual se
Z ∞ Z ∞ comunica vía USB a la cámara instalada en la estructura,
mpq := xp y q f (x, y)dxdy, el cual adquiere en tiempo real las imágenes del área de
−∞ −∞ interés. Cabe mencionar que dicho programa se ejecutó
desde una computadora ya que el costo computacional de
XX
µpq = (x − x̄)p (y − ȳ)q f (x, y),
x y este tipo de sistemas es mayor al que puede soportar un
microcontrolador (este proceso solo se realizó para fines
con ilustrativos, no para el trabajo central). Así, en la figura 12 se
muestra el conjunto de bloques utilizados, para llevar a cabo
m10 m01 una etapa de umbralización, filtrado y conversión del tipo
x̄ = , ȳ = ,
m00 m00 de datos (RGB-boolean), con lo cual se obtiene una imagen
binarizada del objeto de interés (ver figura 13).Puede notarse
luego, los momentos centrales normalizados tienen la forma que el programa considera el cálculo del área y centroide
del objeto, esto con fines de monitoreo del mismo.
µpq p+q Físicamente, el GT se presenta como un efecto óptico
ηpq = , con γ= + 1,
µγ00 2 a través de la presencia de un haz de luz, el cual si es

978-1-5090-6450-2/17/$31.00 ©2017 IEEE 127

 [IU] [Cam]
Logitech HD ... IU Cam
RGB24_800x600 [Cam] Goto1 From1 [area]

Cálculo de input1

Camara
Goto IUR [IUR]

Goto2
[IU]
From2
IU From5 Area Mancha

Filtrado area y [Cam] IF [IF] [IUR] IUR [xy]

Umbralización 1
IU
2
IUR
3
IF centroide
From Cam
area
Goto3
[area]
From3
[IF] IF
From6 Coordenadas centroide (x,y)

From4 Visores
(x,y)
Goto4
Area 4
[xy]
Blob area
1 Camara Imagen Umbralada u y IUR IF Open boolean BW Analysis HU Goto5
Cam Centroid 5
Data Type Conversion
Deteccion Color Rojo Area de interes Filtrado Opening (x,y) Procesamiento
Blob Analysis

COM6
Comparación de 9600
8,none,1

Fig. 12. Bloques de Simulink para el procesamiento digital del objeto.

Area Mancha2
momentos Serial Configuration

u y uint8 Data COM6

Data Type Conversion2

&RPSDUDFLyQ Serial Send

Comunicación

Fig. 14. Cálculo y comparación de los MIH

Fig. 13. Binarización del objeto.

capturado en una imagen se percibe como un color más Fig. 15. Programa final de control por temperatura y visión.
(normalmente blanco). Como el objetivo del procesamiento
es generar un objeto a partir de la detección del color rojo,
el haz incidente sobre el objeto de interés provoca una
deformación en el objeto resultante, lo que permite construir IV. R ESULTADOS Y DISCUSIÓN
la siguiente relación para el ajuste de posición:
En la sección II-A se estableció que el controlador
Dv (T ) = q ∗ − q, propuesto fue implementado sobre el efector final de un
robot de tres GDL, donde los primeros dos funcionan
donde q ∗ representa la posición deseada, q la posición como un SS mismos que operan mediante una propuesta
actual y Dv (T ) un desplazamiento lineal en función de la de control independiente ya que ese sistema esta orientado
deformación del objeto de interés. Por lo tanto a través del a la captación y conversión de energía solar en eléctrica lo
cálculo de los MIH del objeto sin deformaciones resultaría que permite al dispositivo actuar de forma autónoma [17]
en un conjunto de parámetros que solo cambian si éste incide [16] . Así, mediante dicha separación se logran resolver
con el PF, así Dv (T ) se expresa de la siguiente forma diversas problemáticas que otros sistemas no consideran. Por
Caso 1: Dv (T ) = −1, sucede cuando la incidencia ejemplo para configuraciones donde se emplean PVs como
cubre partes fuera del área de interés. las propuestas del MIT o ITESO se toma ventaja del hecho
Caso 2: Dv (T ) = 0, sucede cuando la incidencia se que ambos casos deben repartir la energía que producen
encuentra dentro del área de interés. para alimentar su instrumentación y a su vez el proceso
Finalmente, se utilizó un bloque Matlab Function en el de destilación, situación que representa un decremento en
cual se programaron las ecuaciones para el cálculo de la cantidad de agua desalinizada. Por otra parte gracias a la
los MIH del objeto sin deformaciones, posteriormente fue- configuración con la que se cuenta, también se toma ventaja
ron guardados en un arreglo. Luego, una vez ejecutado sobre los elementos que implementan LFs pues estos solo se
el programa, se obtienen nuevos valores de los MIH en ocupan de utilizar la energía solar de forma térmica, pero sus
tiempo real y se comparan con el arreglo. El resultado de mecanismos e instrumentación continúan utilizando fuentes
dicha comparación se expresa a través de un dato de tipo de EE convencionales.Dado lo anterior es importante men-
booleano y se envía de forma serial al microcontrolador (ver cionar que las pruebas realizadas para validar el controlador
figura 14). Así, dada la nueva condición se establece un se llevaron a cabo en paralelo al funcionamiento del sistema
criterio de operación que modifica el programa de control SS, pues éste provee las condiciones de operación para el
por temperatura implementado en el microcontrolador, con sistema de interés en términos de ET. En dichas pruebas
el objetivo de mantener como prioridad la seguridad del se consideraron tres tipos de condiciones climáticas: 1.-
exterior, y luego conmutar al control de temperatura para Día soleado, 2.- Día despejado con nubes pasajeras y 3.-
llevar a cabo el proceso. En la figura 15 se muestra la versión Día nublado (sin lluvia). El objetivo principal fue obtener
final del programa modificado. una cantidad de 500 ml de solución desalinizada a partir

978-1-5090-6450-2/17/$31.00 ©2017 IEEE 128

 de un suministro total de 5 litros de agua salada. Cabe
mencionar que el lugar donde se realizaron las pruebas
es la Ciudad de México (UPIITA-IPN) y por lo tanto la
solución salina empleada se obtuvo a través de la mezcla de
un polvo comercial con agua dulce, la cual se aproxima a
las condiciones naturales del agua de mar (32 gramos de sal
por litro (PPT- Part Per Thousand por sus siglas en inglés)
gr
y una densidad de 1.024 cm 3 . En la tabla I se muestran
los resultados obtenidos Con los resultados anteriores se
Muestra Tiempo [Horas] Temp. del ambiente PPT Densidad
1 1.1 24 a 28 ◦ C 21 1.015
2 2.75 19 a 23 ◦ C 25 1.018
3 3.5 16 a 19 ◦ C 27 1.019
TABLA I
R ESULTADOS DE DESALINIZACIÓN .
valida el correcto funcionamiento del sistema de ET, ya que
se logro llevar a cabo el proceso de desalinización de la
solución, sin poner en riesgo la estructura del contenedor
o sus alrededores, y a su vez mantuvo una temperatura
dentro de la cota admisible para el proceso en el interior
del contenedor. En la figura 16 se muestra el robot durante
el proceso de destilación, también se puede apreciar la
incidencia del PF sobre el área de interés.
Fig. 16. Proceso de desalinización
V. CONCLUSIONES
Se logró la implementación del controlador de enfoque
utilizando las estrategias de retroalimentación por tempe-
ratura y visión artificial. Con el controlador propuesto se
comprobó que un sistema de este tipo resuelve las pro-
blemáticas relacionadas con configuraciones clásicas, re-
duciendo la instrumentación y los costos de fabricación.
También se muestra que es capaz de obtener una solución
desalinizada sin poner en riesgo la estructura del proceso
y a su vez mantener una temperatura dentro de la cota
establecida, aprovechando la mayor cantidad de radiación
solar disponible a a pesar de las condiciones ambientales.
Como trabajo futuro se propone la implementación de un
controlador que automatice el suministro de agua salina así
como la recuperación y traslado del agua desalinizada para
el proceso ya que por el momento el robot no cuenta con uno
y eso afecta la calidad y cantidad de la solución obtenida.
978-1-5090-6450-2/17/$31.00 ©2017 IEEE
AGRADECIMIENTOS
Los autores agradecen a la Secretaría de Ciencia, Tecnología
e Innovación (SECITI) por el apoyo recibido bajo el proyecto
SECITI (Convenio 071-2016), así como a la Secretaría de Posgrado
e Investigación del Instituto Politécnico Nacional a través de los
proyectos 20170487, 20170377, al programa de becas BEIFI y al
COTEBAL-IPN.
R EFERENCIAS
[1] M. Guerrero, El agua. Fondo de Cultura Económica, 2012.
[2] Consejo Consultivo del Agua A.C., “Situación y contexto de la
problemática del agua en méxico,” http://www.aguas.org.mx (última
consulta: 25 de Enero de 2017).
[3] Ministerio de Sanidad y Política Social, “Guía de desalación: aspectos
técnicos y sanitarios en la producción de agua de consumo humano,”
Gobierno de España, Madrid., Tech. Rep., 2009.
[4] Instituto de Geofísica UNAM, “El sol,”
http://www.geofisica.unam.mx (última consulta: 25 de Enero
de 2017).
[5] UNAM, “El sol, nuestra estrella,”
http://www.revista.unam.mx/vol.10/num10/art67/int67-1.htm (última
consulta: 25 de Enero de 2017).
[6] Centro de Estudios en Medio Ambiente y Energías Renovables,
http://www.cemaer.org (última consulta: 25 de Enero de 2017).
[7] G. Diamanti, “Ecoosfera: Un simple y bello horno hace potable el
agua salada,” http://ecoosfera.com (última consulta: 25 de Enero de
2017).
[8] Federación Nacional de Agua Potable Rural, “Plantas solares serán
capaces de generar 100 megavatios y funcionar como desalinizadora
de agua,” http://aprchile.bligoo.com (última consulta: 25 de Enero de
2017).
[9] I. Eames, G. Maidment, y A. Lalzad, “A theoretical and experimental
investigation of a small-scale solar-powered barometric desalination
system,” Applied Thermal Engineering, vol. 27, no. 11, pp. 1951–
1959, 2007.
[10] H. Elasaad, A. Bilton, L. Kelley, O. Duayhe, y S. Dubowsky, “Field
evaluation of a community scale solar powered water purification
technology: A case study of a remote mexican community applica-
tion,” Desalination, vol. 375, pp. 71–80, 2015.
[11] R. Simón-Fermosell, “Nuevos proyectos con energía solar foto-
voltaica para la obtención de agua dulce en américa latina,”
http://www.suelosolar.com/newsolares/newsol.asp?id=8435 ( última
consulta: 25 de de Enero de 2017).
[12] W. Xie, Y. Dai, R. Wang, y K. Sumathy, “Concentrated solar
energy applications using fresnel lenses: A review,” Renewable and
Sustainable Energy Reviews, vol. 15, no. 6, pp. 2588–2606, 2011.
[13] P. Corke, Robotics, vision and control: fundamental algorithms in
MATLAB. Springer, 2011, vol. 73.
[14] G. Prinsloo y R. Dobson, Solar tracking. SolarBooks, 2015.
[15] R. Leutz y A. Suzuki, Nonimaging Fresnel lenses: design and
performance of solar concentrators. Springer, 2012, vol. 83.
[16] S. Palomino-Resendiz, D. Flores-Hernández, N. Lozada-Castillo,
A. Luviano-Juárez, y I. Chairez, Mecatrónica y Robótica de Servicio:
Teoría y Aplicaciones. Asociación Mecicana de Mecatrónica A.C.,
2016, ch. Control por par calculado para un seguidor solar de dos
grados de libertad, pp. 98–110, iSBN = 978-607-9394-06-6.
[17] S. Palomino-Resendiz, Controlador en tareas de seguimiento de
trayectoria para un desalinizador por destilación solar. UPIITA
- IPN, 2017.
[18] M. Spong, S. Hutchinson, y M. Vidyasagar, Robot modeling and
control. Wiley New York, 2006, vol. 3.
[19] L. Bello-Ramírez, C. Hernández-Méndez, F. Sánchez-Lugo, y
J. González-Bonilla, Sistema desalinizador de agua. UPIITA - IPN,
2015.
[20] O. Jaramillo, “Notas de fisico química, unam,” Estados de la materia,
2007.
[21] K. Åström y T. Hagglund, Control PID avanzado. Pearson, Madrid,
2009.
[22] E. Cuevas, D. Zaldívar, y M. Pérez, “Procesamiento digital de
imágenes con matlab y simulink,” Alfaomega Ra-Ma (México), 2010.
[23] R. Gonzalez y R. Woods, Digital image processing. Prentice hall
Upper Saddle River, NJ:, 2002.
129