Ingeniería Mecatrónica · 2014
Diseño y construcción de un sistema de detección y clasificación automática de objetos mediante método "Look and Move".
Se presenta el diseño y construcción de un sistema clasificador de piezas mediante control visual, en el que se extraen seis características de la imagen que presentan la mayor discriminabilidad. Como clasificador se entrena una red neuronal Artificial que discrimina los objetos en 6 clases, el porcentaje promedio de reconocimientos fue del 95.7%. Al elemento posicionador de las piezas, se le implementó un controlador PID basado en la posición del elemento a clasificar con respecto a la imagen capturada para tener pleno control de la ubicación deseada.
Full text 140 pages with text
Read the full thesis Record in the repository
Contents
- RAEp. 1
- LISTA DE TABLASp. 9
- LISTA DE GRÁFICASp. 10
- LISTA DE FIGURASp. 11
- ANEXOSp. 105
- INTRODUCCIÓNp. 14
- PLANTEAMIENTO DEL PROBLEMAp. 16
- DESCRIPCIÓN DEL PROBLEMAp. 17
- JUSTIFICACIÓNp. 18
- ANTECEDENTESp. 19
- OBJETIVOSp. 22
- 1.4.1 Objetivo generalp. 22
- 1.4.2 Objetivos específicosp. 22
- ALCANCES Y LIMITACIONESp. 23
- 1.5.1 Alcancesp. 23
- 1.5.2 Limitacionesp. 23
- MARCO TEÓRICOp. 24
- DETECCIÓN DE UNA IMAGENp. 24
- PROCESAMIENTO DE LA IMAGENp. 26
- 2.2.1 Componentes de Colorp. 26
- SEGMENTACIÓNp. 27
- 2.3.1 Umbralizaciónp. 28
- 2.3.2 Operaciones morfológicasp. 31
- CARACTERIZACIÓN DE OBJETOSp. 35
- 2.4.1 Extracción del bordep. 35
- 2.4.2 Centro de gravedadp. 36
- 2.4.3 Áreap. 37
- 2.4.4 Perímetrop. 38
- 2.4.5 Envolventep. 40
- 2.4.6 Rugosidadp. 41
- 2.4.7 Redondezp. 41
- 2.4.8 Compacidadp. 41
- 2.4.9 Eje mayor y menorp. 42
- Longitud del contornop. 42
- RED NEURONALp. 44
- 2.5.1 Red neuronal artificialp. 45
- 2.5.2 El Perceptrónp. 46
- 2.5.3 Aprendizajep. 49
- DISEÑO INGENIERILp. 51
- IMPLEMENTACIÓN DEL DISEÑOp. 51
- 3.1.1 Diseño del sistema de locomociónp. 54
- IMPLEMENTACIÓN DE CONTROLp. 64
- 3.2.1 Identificación del sistemap. 64
- 3.2.2 Diseño del controladorp. 69
- PROCESAMIENTO DE IMAGENp. 77
- 3.3.1 Configuraciónp. 77
- 3.3.2 Calibraciones previas y filtradop. 78
- 3.3.3 Color Trackingp. 87
- RED NEURONALp. 44
- 3.4.1 Entrenamientop. 89
- 3.4.2 Comunicación Serialp. 95
- RESULTADOSp. 97
- CONCLUSIONESp. 101
- BIBLIOGRAFÍAp. 103
- ANEXOSp. 105
- ANEXO A. PLANO BASE PRINCIPAL ROBOT CLASIFICADOR “LOOK AND MOVEp. 105
- ANEXO B. PLANO BASE PRINCIPAL DE ACTUADORp. 106
- ANEXO C. PLANO SUPERIOR ACTUADORp. 107
- ANEXO D. DATASHEET LLANTAS POLOLUp. 108
- ANEXO E. DATASHEET MICROMOTORp. 109
- ANEXO F. DATASHEET DEL SOPORTE DEL MICROMOTORp. 110
- ANEXO G. DATASHEET L298p. 111
- ANEXO H. CÁLCULO DEL CONTROLADOR ZIEGLER NICHOLSp. 112
- ANEXO I. DATOS ENTRENAMIENTO RED NEURONALp. 113
- ANEXO J. UMBRALIZACIÓN POR MÉTODO DE OTSUp. 135
- ANEXO K. GRÁFICAS DE SEPARABILIDADp. 139
- Tabla 1. Tabla de valores RGBp. 27
- Tabla 2.Especificación de la rueda comercialp. 55
- Tabla 3.Coeficientes de fricciónp. 56
- Tabla 4. Especificación comercial micromotorp. 59
- Tabla 5. Pruebas de corriente de los micromotoresp. 61
- Tabla 6. Tabla de Verdad Motorp. 62
- Tabla 7. Constantes PID para método Ziegler Nicholsp. 72
- Tabla 8. Setting Manual del controladorp. 75
- Tabla 9. Datos extraidos por figurap. 91
- Tabla10. Matriz de Confusiónp. 89
- Gráfica 1. Best Fitp. 68
- Gráfica 2. Método de Ziegler Nicholsp. 70
- Gráfica 3. Recta tangentep. 72
- Gráfica 4. Controlador con método Z-Np. 74
- Gráfica 5. Controlador finalp. 76
- Gráfica 6. Comparación de característicasp. 92
- Gráfica 7. ROCp. 97
- Figura 1. Funcionamiento del método “Look And Move”p. 15
- Figura 2. Clasificación de objetos en imágenes usando SIFTp. 20
- Figura 3. Comparación entre ojo humano y cámarap. 24
- Figura 4. Componentes de una cámarap. 25
- Figura 5. Componentes RGBp. 26
- Figura 6. Segmentación de una imagenp. 28
- Figura 7. Binarización de una imagenp. 30
- Figura 8. Histograma e intensidades de las imágenesp. 31
- Figura 9. Segmentación de Imagen por Operaciones Morfológicasp. 34
- Figura 10. Extracción de bordes de una figurap. 36
- Figura 11. Centro de gravedadp. 37
- Figura 12. Formación de una imagen convexap. 38
- Figura 13. Creación de una imagen mediante pixelesp. 39
- Figura 14. Cálculo de perímetro de un objetop. 40
- Figura 15. Calculo del envolventep. 40
- Figura 16. Calculo de eje mayor y menor de un objetop. 42
- Figura 17. Ejemplo de la red neuralp. 44
- Figura 18. Red neuronal artificialp. 45
- Figura 19. Perceptrónp. 47
- Figura 20. Perceptrón multicapap. 48
- Figura 21. Proceso de aprendizajep. 50
- Figura 22. Plano frontal base del clasificador a escalap. 51
- Figura 23. Plano frontal actuador del clasificador a escalap. 52
- Figura 24. CAD Vista general del actuadorp. 53
- Figura 25. CAD Robot clasificador “Look And Move”p. 53
- Figura 26.Vista frontal base inferior actuadorp. 54
- Figura 27.Diagrama de cuerpo libre de una rueda con inclinación a 0ºp. 55
- Figura 28. Esquema del sistema de locomociónp. 61
- Figura 29. Físico final robot clasificador “Look And Move”p. 63
- Figura 30. Delta de posición del actuadorp. 66
- Figura 31. System Identification Toolboxp. 67
- Figura 32. Sistema de Controlp. 69
- Figura 33. Cámara del robot clasificador “Look And Move”p. 77
- Figura 34. Comportamiento a escala de grises de 4 coloresp. 79
- Figura 35. Binarización y blobs en la región de interésp. 81
- Figura 36. Diagrama del proceso de la extracción de característicasp. 81
- Figura 37. Extracción de características de una estrellap. 82
- Figura 38. Diagrama del algoritmo del área de las figurasp. 84
- Figura 39. Diagrama del algoritmo del perímetro de las figurasp. 85
- Figura 40. Diagrama del algoritmo de redondez de la figurasp. 85
- Figura 41. Diagrama del algoritmo de compacidad de las figurasp. 86
- Figura 42. Diagrama del algoritmo de compacidad de las figurasp. 86
- Figura 43. Diagrama del algoritmo de color trackingp. 88
- Figura 44. Caso de figura con diferentes posiciones sobre el actuadorp. 90
- Figura 45. Neural Network Toolbox And Trainingp. 94
- Figura 46. Tarjeta FT232p. 95
- Figura 47. Proceso de Comunicaciónp. 96
- Figura 48. Error de posicionamiento del actuadorp. 100
- Anexo A. Plano base principal robot clasificador “Look And Movep. 105
- Anexo B. Plano base principal de actuadorp. 106
- Anexo C. Plano superior actuadorp. 107
- Anexo D. Datasheet llantas pololup. 108
- Anexo E. Datasheet micromotorp. 109
- Anexo F. Datasheet del soporte del micromotorp. 110
- Anexo G. Datasheet l298p. 111
- Anexo H. Cálculo del controlador Ziegler Nicholsp. 112
- Anexo I. Datos entrenamiento Red neuronalp. 113
- Anexo J. Umbralización por método de Otsup. 135
- Anexo K. Gráficas de separabilidadp. 139