Facultad de ingeniería en electricidad y computacióN
Скачать 2.03 Mb.
|
 ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE INGENIERÍA EN ELECTRICIDAD Y COMPUTACIÓN “Aplicación de visión con LabVIEW para la detección de frascos con turbiedades” TESIS DE GRADO Previa la obtención del Título de: INGENIERO EN ELECTRÓNICA Y TELECOMUNICACIONES Presentado por: Lenin Edwin Gordillo Erazo Jorge Luis Yánez Roca GUAYAQUIL – ECUADOR AÑO 2009 AGRADECIMIENTO A Dios y sus constantes bendiciones. A nuestras familias por su apoyo y cariño. A los amigos que colaboraron de varias maneras a la culminación de este proyecto. A los diferentes profesores que supieron compartir su conocimiento e incentivaron en nosotros la creatividad. A todos aquellos que creyeron en nosotros. DEDICATORIA A Dios por la vida y oportunidad que nos brinda día a día. A mi familia, en especial a mi madre por ser mi soporte. A mis amigos, “La Tribu”, por su amistad desinteresada y ayuda incondicional. Y a todas aquellas personas que colaboraron con el proyecto!! Jorge Luis A Dios por la oportunidad de crecer cada día. A mi familia, que me ha apoyado y guiado siempre. Y a todas aquellas personas que supieron estar en el momento adecuado dando palabras de aliento para no decaer en los esfuerzos y brindaron todo su apoyo. Lenin Gordillo TRIBUNAL DE GRADUACIÓN
DECLARACIÓN EXPRESA “La responsabilidad del contenido de este trabajo, nos corresponde exclusivamente; y el patrimonio intelectual del mismo a la ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL”. (Reglamento de exámenes y títulos profesionales de la ESPOL)
resumen El presente trabajo “Aplicación de visión con LabVIEW para la detección de frascos con turbiedades” forma parte del Tópico de Graduación “Plataforma para el desarrollo de proyectos con dsPICs y visión robótica con LabVIEW”. En el capítulo 1 se describen las ventajas y desventajas de los sistemas de visión artificial frente al sistema humano de visión, se menciona las potenciales áreas industriales para su aplicación, se plantean los objetivos del proyecto, alcances y especificaciones de la solución propuesta. En el capítulo 2 se presentan aspectos importantes vinculados a la iluminación, tipo de cámaras y algoritmos matemáticos usados en el procesamiento digital de las imágenes. En el capítulo 3 se hace una descripción de los instrumentos virtuales que LabVIEW presenta en su paquete NI Vision, aquí se podrá encontrar una guía con ejemplos claros del uso de los instrumentos virtuales. También se describen las principales características y ventajas de trabajar con dsPics. En el capítulo 4 se describen las características de los dispositivos con los cuales el sistema de detección de turbiedades deberá interactuar (sistema de bandas y brazo empuja frasco). Se muestra la implementación del sistema de detección de turbiedades en lenguaje gráfico y especificaciones de funcionamiento (como el tamaño del frasco). Se integra la solución planteada al sistema de bandas y brazo empuja frasco; y se analiza los costos de la solución. En el capítulo 5 se exponen las pruebas realizadas, se analizan los resultados obtenidos, eficiencia de los algoritmos y tendencias estadísticas. INDICE GENERAL RESUMEN ÍNDICE GENERAL ABREVIATURAS ÍNDICE DE IMÁGENES ÍNDICE DE TABLAS INTRODUCCIÓN 1 1. Análisis Preliminar y Justificación del Proyecto 3 1.1 Sistemas de Visión 3 1.2 Aplicaciones de la Visión por Computador 16 1.3 Situación Actual 19 1.4 Desventajas de la situación actual 24 1.5 Justificación del Proyecto 26 1.6 Limitaciones del Proyecto 29 2. Fundamentos del Procesamiento Digital de Imágenes 3 2.1 Adquisición de Imágenes 33 2.2 Procesamiento 58 2.3 Detección de Bordes 96 2.4 Segmentación 103 2.5 Extracción de Características 112 2.6 Reconocimiento y Localización 119 3. LabVIEW y dsPic's 33 3.1 Introducción al Software de captura de imágenes 33 3.2 Adquisición y procesamiento de imágenes a través del paquete IMAQ 126 3.3 El por qué de utilizar dsPics 190 3.4 Desempeño de los dsPics 191 3.5 Arquitectura básica para el control de motores 193 3.6 Opciones de Comunicación Disponible 195 4. Diseño e Implementación del Sistema de Control de Turbiedades 122 4.1 Características de la Plataforma para dsPic 30F4011 122 4.2 Especificaciones para el diseño del sistema de control 205 4.3 Manejo del Brazo Robótico 209 4.4 Diseño del Programa Controlador de Turbiedades en LabVIEW con el uso del paquete IMAQ 211 4.5 Establecimiento de Comunicación entre el ordenador y el brazo robótico 252 4.6 Implementación del Sistema de Control de Turbiedades en la plataforma para dsPics 257 4.7 Análisis de costos 289 5. Datos experimentales 197 5.1 Pruebas realizadas 36 5.2 Datos obtenidos 42 5.3 Análisis de resultados 47 CONCLUSIONES Y RECOMENDACIONES 311 ANEXOS BIBLIOGRAFÍA Abreviaturas AC Corriente alterna bit Dígito binario BMP Mapa de bits bps Bits por segundo byte Conjunto de ocho bits CAN Control de redes de área CCD Dispositivos de carga acoplada CCD Dispositivos de acoplamiento de carga cm Centímetro CMOS Semiconductor de óxido metálico complementario CMY Cian, magenta y amarillo DSC Controlador digital de señales DSP(s) Procesador(es) digital(es) de señales dsPic(s) Microcontrolador(es) de Microchip con soporte para procesamiento digital de señales EEPROM Memoria de solo lectura programable y borrable eléctricamente FFT Transformada rápida de Fourier HSI Tonalidad, saturación e intensidad HSL Tonalidad, saturación y luminancia HSV Tonalidad, saturación y valor Hz Hertz I2C Circuito inter integrado ICSP Interfaz de programación serial en circuito IMAQ Adquisición de Imágenes, paquete de instrumentos virtuales de National Instruments ki Constante de integración kp Constante de proporcionalidad LED(s) Diodo(s) emisor(es) de luz LUT Tabla de consulta Mbps Mega bits por segundo MCPWM Módulo de control de modulación de ancho de pulso MCU Unidad micro controladora MHZ Megahertz MOS Semiconductor de óxido metálico MSPS Millones de muestras por segundo NI National Instruments OCR Reconocimiento óptico de caracteres PDI Procesamiento Digital de Imágenes PIC(s) Microcontrlador(es) de Microchip PTMR Registro de tiempo para pulso programable PWM Modulación por ancho de pulso RAM Memoria de acceso aleatorio RGB Rojo, verde y azul INDICE DE IMÁGENES Imagen 1 1 Partes del Sistema Ocular (1) 4 Imagen 1 2 Formación de las imágenes (1) 6 Imagen 1 3 Elementos de un sistema de visión artificial (2) 8 Imagen 1 4 Cámara como sensor de imagen (2) 9 Imagen 1 5 Tarjeta de Sistema de Adquisición (3) 10 Imagen 1 6 Lector de Códigos Serie Modelos PD65 y PD60 (6) 20 Imagen 1 7 Sensor Inteligente Modelo AE20 (6) 21 Imagen 1 8 Sistema Compacto Modelo PV310 (6) 21 Imagen 1 9 Sistema de Caudal de Frutas (3) 22 Imagen 1 10 Sistema de Clasificación de Chapas (3) 23 Imagen 2 11 Iluminación Frontal Unidireccional (13) 39 Imagen 2 12 Iluminación lateral (13) 40 Imagen 2 13 Iluminación Axial Difusa (13) 40 Imagen 2 14 Iluminación Coaxial (13) 41 Imagen 2 15 Iluminación de campo brillante (11) 42 Imagen 2 16 Iluminación de campo oscuro (13) 43 Imagen 2 17 Estructura de sensor CCD (15) 44 Imagen 2 18 Arquitectura del sensor de transferencia de interlínea (10) 46 Imagen 2 19 Pasos del proceso de adquisición del sistema de interlínea (10) 46 Imagen 2 20 Arquitectura del sensor de transferencia de cuadro (10) 48 Imagen 2 21 Proceso de adquisición en sensor de transferencia de cuadro (10) 48 Imagen 2 22 Arquitectura del sensor de transferencia de cuadro completa (10) 49 Imagen 2 23 Proceso de adquisición en sensor de transferencia de cuadro completa (10) 50 Imagen 2 24 Estructura de sensor CMOS pasivo (17) 51 Imagen 2 25 Estructura de sensor CMOS activo (17) 52 Imagen 2 26 Modelo RGB (21) 61 Imagen 2 27 Representación vectorial de los colores (20) 62 Imagen 2 28 Ejemplo de resultado del algoritmo de comparación de color (20) 65 Imagen 2 29 Representación vectorial de colores y la conversión a escala de gris (20) 66 Imagen 2 30 Producto punto de vectores (20) 66 Imagen 2 31 Ejemplo de conversión a escala de grises (20) 67 Imagen 2 32 Transformación Lineal (20) 68 Imagen 2 33 Transformación: aumento de brillo (20) 69 Imagen 2 34 Transformación: disminución del brillo (20) 69 Imagen 2 35 Transformación: variación del contraste (20) 70 Imagen 2 36 Descomposición de una imagen a color en modelo RGB (20) 71 Imagen 2 37 Redimensionamiento de una fila (20) 73 Imagen 2 38 Redimensionamiento a través de linealización (20) 75 Imagen 2 39 Ejemplo de redimensionamiento (20) 76 Imagen 2 40 Ejemplo de rotación (20) 77 Imagen 2 41 Sistema lineal invariante en el tiempo (22) 78 Imagen 2 42 Sistema lineal invariante en el desplazamiento (22) 78 Imagen 2 43 Proceso de convolución (22) 83 Imagen 2 44 Bordes de una imagen (22) 85 Imagen 2 45 Matriz de píxeles con borde cero (22) 85 Imagen 2 46 Matriz de píxeles con borde fijo (22) 86 Imagen 2 47 Matriz de pixeles con borde reflejado (22) 87 Imagen 2 48 Clasificación de los Filtros Espaciales (22) 88 Imagen 2 49 Ejemplo de filtro gradiente (21) 90 Imagen 2 50 Resultados de aplicar filtros Laplacianos (21) 92 Imagen 2 51 Resultados de aplicar filtro de Suavizado (21) 94 Imagen 2 52 Triángulo de Pascal (20) 95 Imagen 2 53 Resultado de filtro gaussiano (21) 96 Imagen 2 54 Definición de borde de imagen (25) 97 Imagen 2 55 Representación ideal del borde (25) 98 Imagen 2 56 Representación aproximada del borde (25) 99 Imagen 2 57 Detección de bordes (25) 100 Imagen 2 58 Modelo de Detección Simple del Borde (21) 102 Imagen 2 59 Modelo de Detección Avanzada del Borde (21) 103 Imagen 2 60 Histograma de intensidad de píxeles (21) 105 Imagen 2 61 Ejemplo de segmentación de imágenes (21) 106 Imagen 2 62 Antes de la segmentación morfológica (21) 108 Imagen 2 63 Paso 1: segmentación por umbral (21) 108 Imagen 2 64 Paso 3: mapa de distancias en escala de gris (21) 109 Imagen 2 65 Paso 4: transformación de líneas divisoras de agua (21) 109 Imagen 2 66 Resultado de aplicar la segmentación morfológica (21) 110 Imagen 2 67 Visualización de las líneas divisoras de agua (21) 111 Imagen 2 68 Construcción de la línea divisora de agua (21) 111 Imagen 2 69 Matrices de conectividad (21) 114 Imagen 2 70 Partículas con conectividad-4 (21) 114 Imagen 2 71 Partícula con conectividad-8 (21) 115 Imagen 2 72 El píxel y su área (21) 117 Imagen 2 73 Rectángulo envolvente (21) 118 Imagen 2 74 Máxima distancia Feret (21) 119 Imagen 2 75 Variación en la orientación (21) 121 Imagen 2 76 Variación en la iluminación (21) 121 Imagen 2 77 Presencia de ruido y/o atenuación (21) 122 Imagen 3 78 Cámaras de video (27) 123 Imagen 3 79 Tarjetas de adquisición de datos de NI (27) 123 Imagen 3 80 Asistente de Visión de NI (27) 124 Imagen 3 81 Menú de Instrumentos Virtuales de Vision And Motion 127 Imagen 3 82 Menú de NI-IMAQ 127 Imagen 3 83 Menú de Vision Utilities 128 Imagen 3 84 Menú de Image Processing 128 Imagen 3 85 Menú de Machine Vision 129 Imagen 3 86 Menú de IMAQ USB 130 Imagen 3 87 Menú del Panel Frontal de Vision 130 Imagen 3 88 IMAQ Create 131 Imagen 3 89 Ejemplo de IMAQ Create 132 Imagen 3 90 IMAQ Dispose 133 Imagen 3 91 Ejemplo de IMAQ Dispose 133 Imagen 3 92 IMAQ Copy 134 Imagen 3 93 Ejemplo de IMAQ Copy 134 Imagen 3 94 IMAQ USB Enumerate Cameras 135 Imagen 3 95 Panel Frontal de IMAQ USB Enumerate Cameras 136 Imagen 3 96 IMAQ USB Init 136 Imagen 3 97 IMAQ USB PropertyPage 137 Imagen 3 98 IMAQ USB Stop 138 Imagen 3 99 IMAQ USB Close 138 Imagen 3 100 IMAQ USB Snap 139 Imagen 3 101 Diagrama de bloques con uso de IMAQ USB Snap 140 Imagen 3 102 Panel Frontal de la captura incorrecta en modo snap 140 Imagen 3 103 Diagrama de bloques con uso de IMAQ USB Snap y lazo de repetición 141 Imagen 3 104 Panel Frontal de la captura correcta en modo snap 142 Imagen 3 105 IMAQ USB Grab Acquire 142 Imagen 3 106 Diagrama de bloques con uso de IMAQ USB Grab 143 Imagen 3 107 Panel Frontal de la captura en modo grab 143 Imagen 3 108 Panel Frontal de Image Display 145 Imagen 3 109 Elección del tipo de imagen en el Image Display 145 Imagen 3 110 IMAQ Read File 146 Imagen 3 111 Ejemplo de IMAQ Read File 147 Imagen 3 112 IMAQ Write File 147 Imagen 3 113 Ejemplo de IMAQ Write File 148 Imagen 3 114 IMAQ GetPalette 149 Imagen 3 115 IMAQ Write Image and Vision Info 149 Imagen 3 116 IMAQ Setup Learn Pattern 2 150 Imagen 3 117 IMAQ Learn Pattern 2 150 Imagen 3 118 IMAQ Setup Learn Color Pattern 150 Imagen 3 119 IMAQ Learn Color Pattern 151 Imagen 3 120 Ejemplo de escritura de una plantilla en escala de grises 151 Imagen 3 121 Ejemplo de escritura de una plantilla a color 152 Imagen 3 122 Ejemplo de lectura de plantilla a escala de grises 153 Imagen 3 123 Ejemplo de lectura de plantilla a color 153 Imagen 3 124 IMAQ Convolute 155 Imagen 3 125 Filtro de suavizado usando IMAQ Convolute 155 Imagen 3 126 Resultado del filtro de suavizado 156 Imagen 3 127 Filtro de nitidez usando IMAQ Convolute 157 Imagen 3 128 Resultado del filtro de nitidez 157 Imagen 3 129 IMAQ EdgeDetection 157 Imagen 3 130 Filtro de detección de bordes de Prewitt 158 Imagen 3 131 Resultado del filtro de detección de bordes de Prewitt 159 Imagen 3 132 IMAQ Simple Edge 159 Imagen 3 133 IMAQ ROI Profile 160 Imagen 3 134 Diagrama de bloques para detectar bordes con IMAQ Edge Simple 161 Imagen 3 135 Panel frontal de la detección de bordes con IMAQ Edge Simple 162 Imagen 3 136 IMAQ Edge Tool 2 163 Imagen 3 137 Diagrama de bloques de detección de bordes usando IMAQ Edge Tool 2 164 Imagen 3 138 Panel Frontal de la detección de bordes con IMAQ Edge Tool 2 165 Imagen 3 139 IMAQ Threshold 166 Imagen 3 140 Diagrama de bloques de detección de umbral con IMAQ Threshold 166 Imagen 3 141 Panel frontal de la segmentación usando IMAQ Threshold 167 Imagen 3 142 IMAQ AutoB Threshold 168 Imagen 3 143 Diagrama de bloques de detección de umbral usando IMAQ AutoB Threshold 169 Imagen 3 144 Panel frontal de la segmentación usando IMAQ AutoB Threshold 170 Imagen 3 145 IMAQ Morphology 170 Imagen 3 146 Diagrama de bloques usando IMAQ Morphology para la dilatación binaria 171 Imagen 3 147 Panel frontal con la imagen original y el resultado de aplicar la dilatación binaria 172 Imagen 3 148 Diagrama de bloques usando IMAQ Morphology para el gradiente interno 173 Imagen 3 149 Panel frontal con la imagen original y el resultado de aplicar la operación binaria gradiente interno 173 Imagen 3 150 IMAQ Remove Particle 174 Imagen 3 151 Diagrama de bloques con el uso de IMAQ Remove Particle 174 Imagen 3 152 Panel frontal con la imagen original y el resultado de aplicar la remoción de partículas 175 Imagen 3 153 IMAQ Particle Filter 2 175 Imagen 3 154 Diagrama de bloques usando IMAQ Particle Filter 2 177 Imagen 3 155 Panel frontal con la imagen original y el resultado de usar el filtro de partículas 177 Imagen 3 156 IMAQ Particle Analysis Report 178 Imagen 3 157 Diagrama de bloques con el uso de IMAQ Particle Analysis Report 179 Imagen 3 158 Panel frontal con los resultados de IMAQ Particle Analysis Report 179 Imagen 3 159 IMAQ Particle Analysis 180 Imagen 3 160 Diagrama de bloques usando IMAQ Particle Analysis 181 Imagen 3 161 Panel frontal con el resultado de usar IMAQ Particle Analysis 182 Imagen 3 162 IMAQ Match Pattern 2 182 Imagen 3 163 IMAQ Setup Match Pattern 2 183 Imagen 3 164 Plantilla de la tapa de la botella 184 Imagen 3 165 Diagrama de bloques de búsqueda de patrones usando IMAQ Match Pattern 2 184 Imagen 3 166 Panel frontal con el resultado de buscar patrones usando IMAQ Match Pattern 2 185 Imagen 3 167 IMAQ Find Pattern 185 Imagen 3 168 Diagrama de bloques de búsqueda de patrones usando IMAQ Find Pattern 186 Imagen 3 169 Panel frontal con el resultado de buscar patrones usando IMAQ Find Pattern 187 Imagen 3 170 IMAQ Setup Match Color Pattern 187 Imagen 3 171 IMAQ Color Pattern Matching 188 Imagen 3 172 Plantilla para la búsqueda a color 189 Imagen 3 173 Diagrama de bloques de búsqueda de patrón a color 189 Imagen 3 174 Panel Frontal del resultado de la búsqueda del patrón a color 190 Imagen 4 175 Espol Lab Conveyor Setup 198 Imagen 4 176 Espol Lab Conveyor Close 199 Imagen 4 177 Espol Lab Conveyor Speed 200 Imagen 4 178 Espol Lab Conveyor Change Control Loop Constant 201 Imagen 4 179 Espol Lab Conveyor Set Sensor-Camera Distance 202 Imagen 4 180 Espol Lab Conveyor Set Speed Reference 202 Imagen 4 181 Espol Lab Conveyor Stop 203 Imagen 4 182 Espol Lab Conveyor Left 204 Imagen 4 183 Espol Lab Conveyor Right 204 Imagen 4 184 Dimensiones del frasco 207 Imagen 4 185 Caja para reducir el ruido 208 Imagen 4 186 Sistema de iluminación interno 209 Imagen 4 187 División de áreas de interés del frasco 212 Imagen 4 188 Diagrama de boques general 213 Imagen 4 189 Diagrama de bloques general del programa de control 215 Imagen 4 190 Diagrama de flujo de la detección de impurezas 217 Imagen 4 191 Diagrama de flujo de la determinación de áreas de interés 219 Imagen 4 192 Diagrama de flujo de la comparación del color 219 Imagen 4 193 Diagrama de flujo del análisis central 220 Imagen 4 194 Diagrama de flujo del análisis superior 221 Imagen 4 195 Diagrama de flujo del análisis inferior 222 Imagen 4 196 Diagrama de bloques de la captura de la imagen 223 Imagen 4 197 Captura de un frasco en el sistema de bandas transportadoras 224 Imagen 4 198 VI Recs de Trabajo 225 Imagen 4 199 Diagrama de bloques del VI Recs de Trabajo 227 Imagen 4 200 VI Buscar Tapa 228 Imagen 4 201 Diagrama de bloques del VI Buscar Tapa 229 Imagen 4 202 VI Calibración 230 Imagen 4 203 Diagrama de bloques del VI Calibración 230 Imagen 4 204 Rectángulo superior 231 Imagen 4 205 Rectángulo inferior 232 Imagen 4 206 Rectángulo central 233 Imagen 4 207. VI Análisis Color 234 Imagen 4 208 Etapa de análisis de color 235 Imagen 4 209 Implementación del análisis de color 236 Imagen 4 210 VI PlantillaColor 236 Imagen 4 211 VI Parámetros de Búsqueda Color 237 Imagen 4 212. VI Análisis Central 2 238 Imagen 4 213 Análisis central: establecimiento de las coordenadas de la tapa 239 Imagen 4 214 Análisis central: etapa de establecimiento de la región de interés 240 Imagen 4 215 VI Mejoramiento de bordes 241 Imagen 4 216 VI Área Central Cood 241 Imagen 4 217 Implementación del Área Central Cood 241 Imagen 4 218 Puntos de referencia en la determinación del área central 242 Imagen 4 219 Análisis central: conversión a escala de grises y análisis de partículas 243 Imagen 4 220 VI Partículas Central 243 Imagen 4 221 Etapa de Análisis Central 244 Imagen 4 222 VI Análisis Superior 245 Imagen 4 223 Implementación de análisis superior 246 Imagen 4 224 VI Segmentación Morfológica 246 Imagen 4 225 Implementación de la segmentación morfológica 247 Imagen 4 226 Etapa de análisis superior 248 Imagen 4 227 VI Análisis Inferior 249 Imagen 4 228 Implementación del análisis inferior 249 Imagen 4 229 Etapa de análisis inferior 250 Imagen 4 230 Etapa de aceptación o rechazo del frasco 251 Imagen 4 231 Panel frontal de la detección de impurezas 252 Imagen 4 232 VI Inicializar 253 Imagen 4 233 VI Configurar Empuja Frascos 255 Imagen 4 234 VI Empujar Frasco 256 Imagen 4 235 VI Close 257 Imagen 4 236 Panel Frontal – pantalla de control 259 Imagen 4 237 Inicialización de Variables 261 Imagen 4 238 Configuración del puerto serial de la banda 263 Imagen 4 239 Configuración distancia sensor-cámara 263 Imagen 4 240 Configuración de movimiento y velocidad 264 Imagen 4 241 Banda en Movimiento 265 Imagen 4 242 Banda detenida 266 Imagen 4 243 Frasco Detenido 267 Imagen 4 244 Cierre de comunicación 267 Imagen 4 245 Espera por Sigte Paso 268 Imagen 4 246 Inicio de Calibración de Cámara 269 Imagen 4 247 Espera de decisión 270 Imagen 4 248 Captura de Video de Ajuste 271 Imagen 4 249 Parar Ajuste 272 Imagen 4 250 Fin de calibración 273 Imagen 4 251 Movimiento de Banda 274 Imagen 4 252 Movimiento de la banda: configuración de puertos 275 Imagen 4 253 Movimiento de la banda: configuración de la distancia sensor-cámara 276 Imagen 4 254 Movimiento de la banda: funcionamiento de motores 277 Imagen 4 255Movimiento de la banda: no se detecta frasco 278 Imagen 4 256 Movimiento de la banda: frasco detectado paso 1 279 Imagen 4 257 Movimiento de la banda: frasco detectado paso 1 280 Imagen 4 258 Movimiento de la banda: cierre de los puertos de comunicación 281 Imagen 4 259 Análisis del frasco: no hay frasco 282 Imagen 4 260 Análisis del frasco: obtención del tiempo 283 Imagen 4 261 Análisis del frasco: detección de turbiedades 283 Imagen 4 262 Análisis del frasco: frasco con impurezas 284 Imagen 4 263 Análisis del frasco: aumento del contador de frascos rechazados 285 Imagen 4 264 Análisis del frasco: reinicio de la variable que habilita el movimiento de las bandas 286 Imagen 4 265 Análisis del frasco: frasco sin impurezas 287 Imagen 4 266 Análisis del frasco: aumento del contador frascos aceptados 288 Imagen 4 267 Análisis del frasco: reinicio de la variable que habilita el movimiento de las bandas 288 Imagen 4 268 Análisis del frasco: cálculo del tiempo de análisis 289 Imagen 5 269 Tipos de frascos 38 Imagen 5 270 Tipos de iluminación 39 Imagen 5 271 42 Imagen 5 272 Resultados del análisis de un frasco sin turbiedades 43 Imagen 5 273 Resultados del análisis de un frasco con impurezas en la parte superior 44 Imagen 5 274 Resultados del análisis de un frasco con impurezas en la parte inferior 45 Imagen 5 275 Resultados del análisis de un frasco con impurezas en las tres partes 47 Imagen 5 276 Umbral de comparación de análisis de color 48 Imagen 5 277 Umbral de comparación de análisis central 49 Imagen 5 278 Umbral de comparación de análisis de central amplificado 50 Imagen 5 279 Umbral de comparación de análisis superior 51 Imagen 5 280 Umbral de comparación de análisis inferior 52 INDICE DE TABLAS Tabla I: NI Vision: mediciones de partículas 117 Tabla II: Comparación de NI Vision con otros programas 125 Tabla III: Descripción de costos del proyecto 289 Tabla IV: Detalle de costos de la cámara de iluminación 290 Tabla V: Detalle de horas hombre de ingeniería 292 introducción La optimización de procesos y maximización de recursos es un objetivo que se plantean las industrias a nivel mundial. El poder contribuir a este objetivo fue uno de los principales motivos para el planteamiento y desarrollo de este trabajo de investigación: “Aplicación de visión con LabVIEW para la detección de frascos con turbiedades”. Poder coadyuvar a la automatización de los sistemas de control de calidad a través de un sistema de visión artificial fue nuestra meta. A pesar de que la solución es un prototipo, se trato de emular un ambiente industrial a través del uso de bandas transportadoras y un brazo robótico. Sin embargo el trabajo desarrollado no deja de ser un referente que debe ser tomado en cuenta como base para futuros proyectos. Invitamos a Usted, estimado lector, a explorar, experimentar y desarrollar soluciones en base a sistemas de visión artificial; campo complejo pero interesante y desafiante. capitulo 1 |
