UNIVERSIDAD NACIONAL DE INGENIERÍA

FACULTAD DE INGENIERÍA MECÁNICA

PLAN DE TRABAJO DE TESIS

“DESARROLLO DE UN ALGORITMO BASADO EN REDES

NEURONALES CONVOLUCIONALES Y TRANSFER
LEARNING PARA DETECCIÓN DE ALTERACIONES EN
CARROCERÍAS DE AUTOS”

PARA OBTENER EL TÍTULO PROFESIONAL DE:

INGENIERO MECATRÓNICO

ELABORADO POR:
Bs. VXXXXXXXXXXXXXXXXXXXXXXX

ASESOR
Dr. Ing. RICARDO RODRIGUEZ BUSTINZA

LIMA – PERÚ
2023
 CONTENIDO
1. TITULO.....................................................................................................................................3
2. ANTECEDENTES REFERENCIALES...................................................................................3
2.1 INVESTIGACIONES INTERNACIONALES........................................................................3
2.2 INVESTIGACIONES NACIONALES....................................................................................3
3. PLANTEAMIENTO DE LA REALIDAD PROBLEMÁTICA..................................................4
3.1 DESCRIPCION DEL PROBLEMA.......................................................................................4
3.2 FORMULACIÓN DEL PROBLEMA.....................................................................................5
3.2.1 PROBLEMA GENERAL.................................................................................................5
3.2.2 PROBLEMAS ESPECIFICOS......................................................................................5
4. OBJETIVO (GENERAL Y ESPECÍFICOS)............................................................................5
4.1 OBJETIVO GENERAL...........................................................................................................5
4.2 OBJETIVOS ESPECÍFICOS.................................................................................................5
5. HIPÓTESIS (GENERAL Y ESPECIFICAS)...........................................................................6
5.1 HIPÓTESIS GENERAL.........................................................................................................6
5.2 HIPÓTESIS ESPECÍFICAS..................................................................................................6
5.3 VARIABLES E INDICADORES............................................................................................6
5.2.1 DEFINICION CONCEPTUAL DE VARIABLES..........................................................6
5.2.2 OPERACIONALIZACIÓN DE VARIABLES.................................................................7
6. MARCO TEÓRICO..................................................................................................................7
6.1 BASES TEÓRICAS................................................................................................................7
6.2 MARCO CONCEPTUAL........................................................................................................8
7. METODOLOGÍA DE LA INVESTIGACIÓN.........................................................................10
7.1 TIPO Y DISEÑO DE LA INVESTIGACIÓN.......................................................................10
7.1.1 TIPO DE INVESTIGACIÓN.........................................................................................10
7.1.2 DISEÑO DE INVESTIGACION...................................................................................10
7.2 UNIDAD DE ANÁLISIS........................................................................................................11
7.3 ETAPAS DE LA INVESTIGACIÓN....................................................................................11
7.3.1 RECOLECCION DE DATOS......................................................................................11
7.3.2 PROCESAMIENTO DE LA INFORMACION............................................................11
7.3.3 ANALISIS DE LA INFORMACION.............................................................................11
7.4 MATRIZ DE CONSISTENCIA............................................................................................12
8. CRONOGRAMA DE TRABAJO...........................................................................................13
9. REFERENCIAS BIBLIOGRÁFICAS....................................................................................14
10. ANEXOS (FORMATOS DE INSTRUMENTOS DE RECOLECCIÓN DE DATOS)...........14
1. TITULO
DESARROLLO DE UN ALGORITMO BASADO EN REDES NEURONALES
CONVOLUCIONALES Y TRANSFER LEARNING PARA DETECCIÓN DE
ALTERACIONES EN CARROCERÍAS DE AUTOS

2. ANTECEDENTES REFERENCIALES
2.1 INVESTIGACIONES INTERNACIONALES
 (Tornero, y otros, 2011) diseñaron e implementaron un método basado en
visión de artificial con la finalidad de identificar y localizar defectos en
carrocerías de automóviles en la factoría Ford (Valencia) a través de un barrido
de iluminación el cual genera zonas de transiciones permitiendo identificar
alteraciones con respecto del patrón de reflexión. Para llevarlo a cabo, se
diseñó un túnel de inspección compuesto de cámaras de visión y arcos de
iluminación (formados por fluorescentes), en donde las cámaras y automóviles
se mantienen fijamente y los arcos se desplazan delante de las cámaras
moviendo el sistema de iluminación; posterior a ello, se analizarían las zonas
de iluminación tales como brillo máximo, de transición y difusa siendo la más
importante la segunda donde se perciben los defectos con mayor magnitud. [1]

 (Najah, Hacham, & Mustafa, 2020) desarrollaron un sistema para inspección

de calidad de alta precisión y bajo costo para engranajes helicoidales basado
en el uso de redes neuronales convolucionales. El sistema fue diseñado para el
uso de transferencia de aprendizaje; es decir, se utilizó un modelo previamente
entrenado el cual se adaptó para clasificar la condición física de los engranajes
empleando tres cámaras de diferente resolución con imágenes de color y en
escala de grises obteniendo una alta precisión. [2]
 2.2 INVESTIGACIONES NACIONALES
 (Bozzo Cornejo, 2019), desarrollo el proyecto de tesis relacionado a un
sistema de visión artificial usando redes neuronales convolucionales para la
detección de defectos en botellas vacías de vidrio para aplicación en una planta
embotelladora creando cada capa oculta así como la estimación de sus propios
hiperparámetros para lograr el objetivo de clasificación y deteccion. [3]
 (Lucas Vargas, 2021), desarrolló el proyecto de tesis enfocado en asistir a
personas con discapacidad visual usando audífonos para recibir por mensaje
de voz los objetos encontrados en entornos externos y a su vezm el uso de un
casco que tenía una cámara incorporada para generar la adquisición de
imágenes. Luego de haber realizar esta captura, para lograr el reconocimiento
y detección de objetos de las imágenes, se evaluó los beneficios y limitaciones
de diferentes arquitecturas de redes neuronales convolucionales eligiendo la
que ofrezca rapidez y precisión para finalmente enviar por mensaje de voz los
objetos detectados. [4]

3. PLANTEAMIENTO DE LA REALIDAD PROBLEMÁTICA

3.1 DESCRIPCION DEL PROBLEMA
En el sector automotriz los productos destacan por sus sistemas de seguridad,
desempeño y calidad; sometidos a rigurosas normas técnicas estandarizadas con
el fin de ofrecer un producto de alta calidad en el mercado y con la responsabilidad
de proteger el medio ambiente. En la última década, el mercado automotriz del
Perú ha mostrado un crecimiento sostenible con respecto a las inmatriculaciones
vehiculares que superan las 140,000 unidades por año, con excepción del año
2020 debido al impacto del Covid – 19 (ver Figura 1). [5]
 Figura 1.- Venta de vehículos
Fuente: AAP, https://aap.org.pe/informes-estadisticos/diciembre-2021/Informe-
Diciembre-2021.pdf
Como parte de la inspección de calidad antes de la entrega del producto al cliente
final; se realiza una evaluación de la condición de la carrocería en la que se
analiza la presencia de alteraciones (defectos y/o daños). Cabe indicar que, en
nuestro mercado, no se dispone de un sistema automatizado que realice esta
inspección visual por lo que en este proyecto pretende desarrollar un sistema
automático para llevar a cabo la clasificación y detección de estas alteraciones.

3.2 FORMULACIÓN DEL PROBLEMA

3.2.1 PROBLEMA GENERAL

 ¿Es posible diseñar un algoritmo que automatice la inspección visual y a
su vez identifique y detecte el tipo de alteración en la carrocería de
automóviles?

3.2.2 PROBLEMAS ESPECIFICOS

 ¿Es viable la adaptación de las características principales de las
alteraciones a un estándar de patrones para lograr el reconocimiento
esperado?

 ¿Es viable que la aplicación del diseño del algoritmo optimice el tiempo
de inspección y contribuya a la mejora del proceso de inspección antes
de la entrega final?
4. OBJETIVO (GENERAL Y ESPECÍFICOS)

4.1 OBJETIVO GENERAL

 Realizar el desarrollo de un algoritmo basado en una red neuronal
convolucional, que permita realizar la inspección visual de manera autónoma
para la detección de alteraciones.

4.2 OBJETIVOS ESPECÍFICOS

 Adaptar las características principales de las alteraciones a una regla de
patrones para lograr el resultado esperado.
 Desarrollar un algoritmo computacional que utilizando estos patrones
realicen la actividad de reconocer y localización reduciendo el tiempo de
inspección y manteniendo un desempeño constante.

5. HIPÓTESIS (GENERAL Y ESPECIFICAS)

5.1 HIPÓTESIS GENERAL
El desarrollo de este algoritmo basado en el uso de redes neuronales
convolucionales contribuirá a la detección de alteraciones en las carrocerías de
los automóviles.

5.2 HIPÓTESIS ESPECÍFICAS

 Adaptando las características principales de las alteraciones a una regla de
patrones lograra el resultado esperado.

 El desarrollo del algoritmo computacional que utilizando estos patrones será

capaz de reconocer y localización reduciendo el tiempo de inspección y
manteniendo un desempeño constante.

5.3 VARIABLES E INDICADORES

5.2.1 DEFINICION CONCEPTUAL DE VARIABLES

Variable independiente (VI):

 - Dataset de entrenamiento: Se ha recolectado un set de imágenes de
defectos los cuáles serán evaluados con la arquitectura seleccionada para
la detección de objetos.

Variable dependiente (VD):

- Aplicación de la red neuronal convolucional: Los modelos de
aprendizaje profundo se han venido aplicando como una de las técnicas
más destacadas para la clasificación (identificación) y detección (ubicación)
de objetos a través de un bounding box.

5.2.2 OPERACIONALIZACIÓN DE VARIABLES

VARIABLES DIMENSION INDICADOR

Cantidad de dataset (80%
Variable para entrenamiento)
X: Dataset de Entrenamiento
Independiente aproximadamente 200
imágenes.

Métrica de precisión de la
Variable Y: Aplicación de la red predicción muestras de
Dependiente neuronal convolucional testeo.
Tiempo de procesamiento

Tabla 1. Operacionalización de variables

6. MARCO TEÓRICO
6.1 BASES TEÓRICAS
INSPECCIÓN DE CALIDAD
Con la finalidad de superar las expectativas de los consumidores, las marcas del
sector automotriz aplican un exhaustivo procedimiento en la inspección del
acabado y apariencia de la carrocería (ver Figura 2) para detectar si es que hay
alguna alteración que deba ser corregida antes de la entrega final.
 Figura 2.- Inspección de calidad
Fuente: Quality International Group Certification
(https://www.qualitylatinoamerica.com/orange/automotriz.html)

ALTERACIONES EN LA CARROCERÍA DE AUTOMÓVILES

Es necesario precisar que las alteraciones que se presentan en la carrocería de
los automóviles se dividen en defectos y daños; en los cuáles el primero se
origina durante la fase de productiva del producto mientras que los daños son
provocados por agentes externos (ver Figura 3).

Figura 3.- Defecto y Daño

Fuente: Elaboración propia

6.2 MARCO CONCEPTUAL

VISION ARTIFICIAL

Es una disciplina de la inteligencia artificial que se enfoca en la interpretación de

imágenes digitales o videos, extrayendo las características principales para
realizar una acción determinada, esto quiere decir que la visión artificial se orienta
a la emulación del sistema de visión humano y de nuestro cerebro, para
comprender nuestro entorno a través de una máquina. En el siguiente diagrama
se detalla las etapas de la visión artificial (ver Figura 4).
 Figura 4.- Diagrama de visión artificial
Fuente: Elaboración propia

CONVOLUCION
Está técnica consiste una correlación espacial de la aplicación de un kernel sobre
una imagen la cual va recorriendo de manera ordenada el contenido de la imagen.
Dependiendo del resultado esperado, este kernel se aplica para incrementar la
nitidez, suavizamiento, detectar bordes o realzar el contenido de la imagen (ver
Figura 5).

Figura 5.- Convolución

Fuente: Bootcamp AI, por S. Silva y E.Freire, 2019
(https://bootcampai.medium.com/redes-neuronales-convolucionales-5e0ce960caf8)

RED NEURONAL CONVOLUCIONAL

 Una red neuronal convolucional (CNN) es una arquitectura de aprendizaje
profundo el cual está diseñado con varias capas ocultas con la intención de
extraer información en todos los niveles hasta especializarse en la detección de
objetos, clasificación de patrones o imágenes en general (ver Figura 6).

Figura 6.- Arquitectura de CNN

Fuente: Bootcamp AI, por S. Silva y E.Freire, 2019
(https://bootcampai.medium.com/redes-neuronales-convolucionales-5e0ce960caf8)

TRANSFER LEARNING
Este método de aprendizaje se emplea tomando como referencia un modelo ya
entrenado; es decir, se podrá aprovecha el conocimiento previamente adquirido
para desarrollar un nuevo algoritmo orientado a una tarea específica (ver Figura
7).

Figura 7.- Transfer Learning

Fuente: Bootcamp AI, por S. Silva y E.Freire, 2019
(https://bootcampai.medium.com/redes-neuronales-convolucionales-5e0ce960caf8)
7. METODOLOGÍA DE LA INVESTIGACIÓN
7.1 TIPO Y DISEÑO DE LA INVESTIGACIÓN
7.1.1 TIPO DE INVESTIGACIÓN
El presente proyecto tiene el perfil cualitativo debido a que se obtendrá como
resultado la precisión de la aplicación del modelo de aprendizaje seleccionado;
siendo finalmente validado con métricas de precisión y error.
Teniendo en cuenta que este proyecto es experimental y haciendo uso de
ecuaciones matemáticas se obtendrá nuevo conocimiento a partir del cual será
útil para los efectos de clasificación y detección además del uso de un análisis
comparativo para determinar la validez de los resultados.

7.1.2 DISEÑO DE INVESTIGACION

El diseño para este proyecto es de tipo experimental, consistirá de tres etapas:
en la etapa inicial se recolectarán imágenes para el entrenamiento de la red
neuronal; luego de haber seleccionado el modelo se procederá a la evaluación
con muestras de test para determinar la precisión y detección de las alteraciones
en este caso.

7.2 UNIDAD DE ANÁLISIS

La arquitectura de red neuronal convolucional será la unidad de análisis para
determinar la clasificación y detección de la alteración en las carrocerías del
automóvil.

7.3 ETAPAS DE LA INVESTIGACIÓN

7.3.1 RECOLECCION DE DATOS
La recolección de datos se ha realizado a partir de los vehículos que fueron
sometidos al proceso de inspección previo a la entrega final del producto. Los
datos recabados son imágenes que corresponden a los defectos identificados en
las carrocerías de los vehículos.
7.3.2 PROCESAMIENTO DE LA INFORMACION
Una vez formado el dataset (colección de imágenes que contengan las
alteraciones) se procederá a aplicar el proceso de entrenamiento con la red
neuronal convolucional para ajustar los hiperparámetros.

7.3.3 ANALISIS DE LA INFORMACION

En la etapa final, con el algoritmo puesto a punto se procederá a ejecutar las
muestras de prueba para validar la clasificación y detección de objetos;
asimismo las métricas aplicadas nos permitirán fomentar las conclusiones de
este proyecto las cuáles serán complementadas con recomendaciones para
futuros proyectos.
 7.4 MATRIZ DE CONSISTENCIA

MATRIZ DE CONSISTENCIA
VARIABLE
PROBLEMA OBJETIVO HIPOTESIS INDICADORES TECNICAS DE RECOLECCION DE DATOS
DEPENDIENTE INDEPENDIENTE
Diseñar un
algoritmo El desarrollo
¿Es posible que permita de este
diseñar un realizar la algoritmo Cantidad de
algoritmo inspección basado en dataset (80% para
que visual de el uso de entrenamiento)
automatice la manera redes aproximadamente
inspección autónoma neuronales 200 imágenes.
visual y a su para la convolucion Aplicación de la Captura de imágenes durante el proceso de
Dataset de
vez detección de ales red neuronal Métrica de inspección del producto antes de la entrega
Entrenamiento
identifique y alteraciones contribuirá a convolucional precisión de la final.
detecte el basado en la detección predicción
tipo de el de muestras de
alteración en entrenamien alteraciones testeo.
la carrocería to previo en las Tiempo de
de con la red carrocerías procesamiento
automóviles? neuronal de los
convolucion automóviles.
al
Tabla 2. Matriz de Consistencia
8. CRONOGRAMA DE TRABAJO
A continuación, se describe las siguientes actividades para la elaboración de la
tesis.
DURACIÓ
ACTIVIDAD INICIO FIN
N
Elaboración del plan de tesis y
07 días 05-oct 12-oct
revisión de asesor.
Inscripción del plan de tesis en la
05 días 13-oct 18-oct
oficina de grados y títulos
Elaboración del capítulo I 07 días 18-oct 25-oct
Elaboración del capítulo II
07 días 25-oct 01-nov
Revisión del capítulo I
Elaboración del capítulo III
07 días 25-oct 01-nov
Revisión del capítulo II
Elaboración del capítulo IV
07 días 25-oct 01-nov
Revisión del capítulo III
Elaboración de conclusiones,
recomendaciones y anexos. 07 días 25-oct 01-nov
Revisión del capítulo IV
Revisión final de la tesis 07 días 02-nov 09-nov
Entrega del volumen de tesis a la
07 días 10-nov 17-nov
Oficina de grados y títulos
Subsanación de observaciones 07 días 18-nov 25-nov
Sustentación de la tesis 07 días 26-nov 02-dic
 Tabla 3. Cronograma de trabajo

9. REFERENCIAS BIBLIOGRÁFICAS

 [1] Tornero, J., Armesto, L., Mora, M., Montés, N., Herráez, A., & Asensio, J.
(2011). Inspection system based on artificial vision for paint defects detection on
cars bodies. IEEE.

 [2] Najah, A., Hacham, W., & Mustafa, F. F. (2020). Building a High Accuracy
Transfer Learning-Based Quality Inspetion System at Low Costs. Al-Khwarizmi
Engineering Journal.

 [3] Bozzo Cornejo, M. E. (2019). Visión Artificial basada en redes neuronales

convolucionales para detectar defectos en botellas vaciás de vidrio para una
planta embotelladora. Tesis Ing. Lima.

 [4] Lucas Vargas, E. J. (2021). Diseño e implementación de un sistema de

asistencia para mejorar la movilidad en personas con discapacidad visual en
ambientes externos utilizando redes neuronales convolucionales. Tesis Ing.
Lima.
 [5] AAP. (Diciembre de 2021). Asociación Automotriz del Perú. Obtenido de
Informe Estadístico Automotor 2021: https://aap.org.pe/estadisticas/informe-
estadistico-automotor/iea-2021/

10. ANEXOS (FORMATOS DE INSTRUMENTOS DE RECOLECCIÓN DE DATOS)

Sin anexos