ContenidoContenido....................................................................................................... 1 CAPITULO I......................................................................................................2 INTRODUCCION............................................................................................2 2.1. MÉTODOS DE CAPTACIÓN DE LAS IMÁGENES.....................................6 2.2. PROCESO DE CAPTACIÓN DE IMÁGENES............................................7 2.3. CAMARAS...........................................................................................8 2.4. OPTICAS...........................................................................................11 2.5. ILUMINACIÓN...................................................................................13 2.6. GRABBERS (tarjetas PC):..................................................................16 2.7. SOFTWARE:......................................................................................16 CAPITULO III..................................................................................................18 APLICACIONES...........................................................................................18 SISTEMA DE RECONOCIMIENTO Y CLASIFICACIÓN DE PATRONES BASADO EN PROCESAMIENTO DIGITAL DE IMÁGENES Y REDES NEURONALES.......18 RESUMEN .....................................................................................................18 CAPITULO I INTRODUCCION Uno de los sentidos más importantes de los seres humanos es la visión. Ésta es empleada para obtener la información visual del entorno físico. Según Aristóteles, “Visión es saber que hay y donde mediante la vista”. De hecho, se calcula que más de 70% de las tareas del cerebro son empleadas en el análisis de la información visual. El refrán popular de “Una imagen vale más que mil palabras” tiene mucho que ver con los aspectos cognitivos de la especie humana. Casi todas las disciplinas científicas emplean utillajes gráficos para transmitir conocimiento. Por ejemplo, en Ingeniería Electrónica se emplean esquemas de circuitos, a modo gráfico, para describirlos. Se podría hacerlo mediante texto, pero para la especie humana resulta mucho más eficiente procesar imágenes que procesar texto. Lo mismo se podría decir de la arquitectura de edificios o más recientemente se está empleando métodos gráficos en el desarrollo del software, como es la herramienta visual UML. La visión humana es el sentido más desarrollado y el que menos se conoce debido a su gran complejidad. Es una actividad inconsciente y difícil de saber cómo se produce. De hecho, hoy en día, se carece de una teoría que explique cómo los humanos perciben el exterior a través de la vista. En el año 1826 el químico francés Niepce (1765-1833) llevó a cabo la primera fotografía, colocando una superficie fotosensible dentro de una cámara oscura para fijar la imagen. Posteriormente, en 1838 el químico francés Daguerre (1787-1851) hizo el primer proceso fotográfico práctico. Daguerre utilizó una placa fotográfica que era revelada con vapor de mercurio y fijada con trisulfato de sodio. Desde que se inventó la fotografía se ha intentado extraer características físicas de las imágenes. La Fotogrametría dio sus primeros pasos desde imágenes capturadas en globos. La Astronomía avanzó enormemente con el análisis de imágenes recibidas por los telescopios. El análisis de radiografías transformó la Medicina. Se podrían citar muchos más ejemplos que durante décadas han transformado la percepción de la Ciencia con el procesamiento de las imágenes, alguna veces por separado y otras de forma multidisiciplinar. Sin embargo, el momento histórico que hace que estas técnicas confluyan y den un cuerpo de conocimiento propio, surge en la década de los 80. La revolución de la Electrónica, con las cámaras de vídeo CCD y los microprocesadores, junto con la evolución de las Ciencias de la Computación hace que sea factible la Visión Artificial. Por tanto, la Visión Artificial o también llamada Visión por Computador, pretende capturar la información visual del entorno físico para extraer características relevantes visuales, utilizando procedimientos automáticos. Según Marr, “Visión es un proceso que produce a partir de imágenes del mundo exterior una descripción útil para el observador y no tiene información irrelevante”. Para algunos autores, como González y Woods, los primeros atisbos de este proceder se remontan a la década de los años 20 del siglo XX, cuando se transmitían imágenes transoceánicas, a través de cable submarino. Las fotografías periodísticas entre Europa y América tardaban una semana en llegar a través de los barcos. Al emplear las primeras técnicas de procesamiento de las imágenes se pasó sólo a tres horas. Las imágenes se codificaban a cinco niveles de grises y se transmitían por teléfono. No obstante, éste podría ser el principio de las técnicas de procesamiento de las Registro de diferentes imágenes de una misma escena u objeto. segmentación. lo primero a estudiar será la naturaleza de la luz. Realizar controles de calidad de productos que no era posible verificar por métodos tradicionales. Estimación de las posturas tridimensionales de humanos. Estos objetivos se consiguen por medio de reconocimiento de patrones. Seguimiento de un objeto en una secuencia de imágenes. hacer concordar un mismo objeto en diversas imágenes. localización y reconocimiento de ciertos objetos en imágenes (por ejemplo. caras humanas). es decir. teoría de gráficas y otros campos. pero no el de la Visión Artificial. todos los conocimientos de análisis de las imágenes desempeñado por otras disciplinas desde los albores de la fotografía. . Estos procesos son: captación de imágenes. tal cual se ha definido. registro). procesamiento y análisis de cualquier tipo de información especial obtenida a través de imágenes digitales. procesamiento de imágenes.imágenes. Con la visión artificial se pueden: • • Automatizar tareas repetitivas de inspección realizadas por operadores. mediante la utilización de las técnicas adecuadas. La visión artificial cognitiva está muy relacionada con la psicología cognitiva y la computación La visión artificial la componen un conjunto de procesos destinados a realizar el análisis de imágenes. procesado e interpretación de los resultados. memorización de la información. Se puede definir la “Visión Artificial” como un campo de la “Inteligencia Artificial” que. El concepto de Visión Artificial es más amplio y recupera para sí. Los objetivos típicos de la visión artificial incluyen: • • • • • • • La detección. aprendizaje estadístico. Parece claro que para tratar sobre la Visión. La evaluación de los resultados (por ejemplo. geometría de proyección. para luego pasar a entender cómo funciona la visión humana y acabar con las partes de la Visión Artificial. permite la obtención. este modelo podría ser usado por un robot para navegar por la escena. segmentación. Mapeo de una escena para generar un modelo tridimensional de la escena. Búsqueda de imágenes digitales por su contenido. Realizar inspecciones en procesos donde existe diversidad de piezas con cambios frecuentes de producción.• • • • Realizar inspecciones de objetos sin contacto físico. Establecimiento de relaciones espaciales entre varios objetos (guiado de robots) Determinación de las coordenadas importantes de un objeto. Determinación de la posición de los objetos en el espacio. Reducir el tiempo de ciclo en procesos automatizados. Mediciones tridimensionales. . Realización de mediciones angulares. Realizar la inspección del 100% de la producción (calidad total) a gran velocidad. Las principales aplicaciones de la visión artificial en la industria actual son: • • • • • • Identificación e inspección de objetos. Es un área de memoria donde se guardan todos los parámetros referentes a la inspección de un objeto en particular: Cámara utilizada. Nivel de grises. etc. entradas y salidas de control. Window (ventana de medida). Cada elemento de esa cuadrícula se llama Píxel (Picture element). Píxel. Es aquella que sólo tiene dos niveles de gris: negro y blanco. . la intensidad del brillo en la escena original correspondiente a cada punto es cuantificada. Cada píxel se convierte en negro o blanco en función del llamado nivel binario o UMBRAL. Digital. MÉTODOS DE CAPTACIÓN DE LAS IMÁGENES. Es el área específica de la imagen recogida que se quiere inspeccionar. La función obtenida tras el resultado de la medida o muestreos realizados a intervalos de tiempo espaciados regularmente.CAPITULO II CONCEPTOS RELACIONADOS A LA VISION ARTIFICIAL 2. Una imagen digital se considera como una cuadrícula. tolerancias. Imagen binaria. datos a visualizar. siendo el valor de dicha función un número positivo y entero. Escena. imágenes patrón memorizadas. Cuando una imagen es digitalizada. La resolución estándar de una imagen digital se puede considerar de 512x484 Pixel. Los valores que esta función toma en cada punto dependen del brillo que presenta en esos puntos la imagen original. dando lugar a un número denominado “nivel de gris”.1. 2. Procesador de imagen. Memoria de imagen. Vía I/O. Módulo de entradas/salidas. Convierte la señal digital residente en memoria. Procesa e interpreta las imágenes captadas por la cámara. Convierte la señal analógica proporcionada por la cámara a una señal digital (para su posterior procesamiento). Módulo de visualización. PROCESO DE CAPTACIÓN DE IMÁGENES Módulo de digitalización. Gestiona la entrada de sincronismo de captación de imagen y las salidas de control que actúan sobre dispositivos externos en función del resultado de la inspección. RS232 (la más estándar). .2. Almacena la señal procedente del módulo de digitalización. en señal de vídeo analógica para poder ser visualizada en el monitor de TV. Comunicaciones. ethernet. Son más sofisticadas que las cámaras convencionales. . 2. alta sensibilidad. Se clasifican en función de: La tecnología del elemento sensor. Hay una cámara específica para cada aplicación. Se basan en la utilización de un material fotosensible que capta la imagen. lo que permite el análisis de imágenes bidimensionales. Pasamos a comentar en forma breve el funcionamiento de las más utilizadas. para poder transferirla a un sistema electrónico.2.3. color. con una longitud lo más corta posible y gran calidad de imagen. ya que tienen que poder realizar un control completo de: tiempos. Cámaras Lineales: Construyen la imagen línea a línea realizando un barrido del objeto junto con un desplazamiento longitudinal del mismo. • Cámaras de estado sólido CCD (Charge – Coupled – Device). CAMARAS Su función es capturar la imagen proyectada en el sensor.3.1. siendo leída por un haz de electrones. etc. etc. señales. • Cámaras lineales. vía las ópticas. Se basan en un sensor CCD lineal • Cámaras matriciales. velocidad de obturación. alta velocidad. Las cámaras utilizadas en visión artificial requieren de una serie de características que permitan el control del disparo de la cámara para capturar piezas que pasan por delante de ella en la posición requerida. • Cámaras de tubo. Se basan en un sensor CCD matricial. Las cámaras lineales utilizan sensores que tienen entre los 512 y 8192 pixels. infrarrojas. Se basan en materiales semiconductores fotosensibles para cuya lectura no es necesario un barrido electrónico (más pequeñas que las de tubo) La disposición física. alta definición. sensibilidad. monocromo. vidrio. • Cámaras lineales a color.El hecho de construir imágenes de alta calidad a partir de líneas individuales. . etc. planchas de metal. Pueden utilizarse para cualquier tipo de aplicación pero necesitan de una mayor iluminación. Velocidad. Número de pixels capaces de ser leídos por unidad de tiempo. papel. 2. La alineación y el sincronismo del sistema son críticos si se quiere obtener una imagen precisa del objeto a analizar. A mayor número de elementos (pixels) mayor tamaño de la óptica. Cámaras matriciales: El sensor cubre un área que está formada por una matriz de pixels.3. Los sensores están posicionados en las tres caras de un prisma. Los sensores CCd están posicionados unos junto a pero solo pueden utilizarse en aplicaciones con otros separados por un pequeño espacio. uno para cada color (rojo verde y azul). En las cámaras de última generación se alcanzan velocidades superiores a los 200 Mhz. Prisma. Tienen una buena sensibilidad superficies planas. Tienen tres sensores lineales.2. Pueden ser de dos tipos: Trisensor. Características técnicas: • • • Número de elementos del sensor. En las cámaras lineales es un valor mucho mas alto que en las matriciales. requiere de una alta precisión. tipo telas. Su utilización está muy extendida para la inspección de objetos de longitud indeterminada. Los sensores de las cámaras modernas son todos de tecnología CCD formados por miles de diodos fotosensibles posicionados de forma muy precisa en la matriz. esto permite un mayor factor de relleno aunque se pierde velocidad de obturación. 2. Son los de arquitectura más simple. porcentaje imposible de obtener por la separación entre los registros. • Factor de relleno.El tamaño de los CCD está definido en pulgadas. integración de la carga y transporte de la misma. Porcentaje del área de píxel que es sensible a la luz. Son los mas comunes.3. Disponen de un área dedicada al almacenamiento de la luz. • Tipo de transferencia. Transferencia Inter-línea (ITL). alcanzando con este sistema factores de relleno del 100%. . la cual está separada del área activa. Según la forma de transferencia de la información. emplean un registro paralelo para exposición de los fotones. Cuadro entero. Características de los sensores. proporcionan una mayor información que las monocromo. Cámaras color: Aunque el proceso de obtención de las imágenes es más complejo. Formatos habituales son 1/3”. el ideal es el 100%.1/2” y 2/3”. sino que están basados en la relación de los primeros con el tamaño de los tubos Vidicon. utilizan registros de desplazamiento situados entre las líneas de píxel para almacenar y transferir los datos de la imagen lo que permite una alta velocidad de obturación.3. Transferencia de cuadro. sin embargo su tamaño real no tiene nada que ver con su valor en pulgadas. Incorporan un sensor con filtro en forma de mosaico. Para saber exactamente que óptica debe utilizarse hay que tener en cuenta una serie parámetros. con los colores primarios RGB (filtro bayer). Internamente la cámara combina los colores y genera una señal RGB similar a la que ve el ojo humano. Se puede calcular la óptica mediante la siguiente fórmula: . OPTICAS Fundamentos teóricos. Tamaño del sensor. Aunque la calidad de las imágenes de este tipo de cámaras respecto de las de 1CCD es muy superior. 2. Incorporan un prisma y tres sensores. Debido al carácter del filtro. se realizan los cálculos necesarios para obtener en tiempo real una señal analógica o digital en RGB. Las ópticas se utilizan para transmitir la luz al sensor de la Cámara de una forma controlada para poder obtener una imagen enfocada de uno o varios objetos. tienen dos inconvenientes a tener en cuenta: la necesidad de una mejor iluminación para compensar el efecto producido por el prisma y el efecto de aberración cromática que se crea por la propia estructura del sistema que se subsana colocando las ópticas adecuadas para este tipo de cámaras. o bien en un ordenador. Distancia del objeto a la cámara y el campo de visión que deseamos abarcar. la luz procedente del objeto pasa a través de la óptica y se divide en tres direcciones al llegar al prisma. bien en el interior de la cámara. observar en la figura como hay el doble de pixels de color verde para así asemejar la percepción del sensor al ojo humano. En cada una de los tres extremos del prisma se encuentra un filtro de color (rojo.• Cámaro color 1CCD.4. • Cámara color 3CCD. verde y azul) y un sensor que captura la luz de cada color que viene del exterior. En los sistemas de visión artificial es necesario utilizar ópticas de calidad para tener la mejor imagen posible y permitir las medidas con la mayor precisión Para definir el tipo de óptica se deben seguir una serie de consideraciones: • • • • El tipo de iluminación utilizado Las especificaciones del sensor de la cámara El tamaño y geometría del objeto La distancia y el espacio disponible Elementos que componen las lentes: • • Anillo de enfoque. A mayor número seleccionado. Se gira para seleccionar la entrada de luz a la cámara. más sobresale el objetivo.. Su escala suele ser: 16.11. ....1. Diafragma. Cuanto más cerca enfocamos.8. menor abertura del diafragma y mayor profundidad de campo. Su escala suele ser: 1/1. Profundidad de campo. Precisión de la medida.5. La luz se refleja de forma distinta si se ilumina una bola de acero. Y utilizamos una cámara de 752x752 pixels. El propósito de la iluminación utilizada en las aplicaciones de visión es controlar la forma en que la cámara va a ver el objeto.. Valor en milímetros que nos informa de la distancia entre el plano focal (CCD) y el centro del objetivo. que si se ilumina una hoja de papel blanco y el sistema de iluminación por tanto debe ajustarse al objeto a iluminar. . o lo que es lo mismo. 1/250. Las cámaras capturan la luz reflejada de los objetos. Para obtener imágenes nítidas de objetos que se desplazan a gran velocidad hay que seleccionar velocidades de obturación altas (>1/250). • Clasificación de las lentes: 2. Depende de la longitud focal de la lente empleada. ILUMINACIÓN La iluminación es la parte más crítica dentro de un sistema de visión. 1/ 1000.• Velocidad de obturación. Depende exclusivamente del campo de medida y de la resolución de la cámara. la precisión de la medida en cada eje sería de 0. Hay un cierto número de consideraciones a tener en cuenta para determinar la mejor iluminación para una aplicación: ¿Es en color o en monocromo? ¿Es de alta velocidad o no? ¿Cuál es el campo de visión a iluminar? . ½. Selecciona el tiempo que estará abierto el diafragma. un píxel equivale a 13 milésimas de milímetro.013 mm/píxel. Ejemplo: si el campo de visión es de 10x10 mm. Espacio en el cual se ve el objeto totalmente nítido.. • • • Longitud focal. (anulares. difusa. deben considerarse? La respuesta a estas preguntas dará el tipo de iluminación a utilizar. Este tipo de iluminación proporciona una luz brillante. ambientales. para lo que se tendrá en cuenta: • • • • • • • Intensidad de luz necesaria Longitud de onda adecuada Superficie a iluminar Reflectividad del objeto Color del objeto Espacio disponible Tipo de cámara utilizada La iluminación podrá ser mediante fibra óptica. A los anillos de luz se les puede acoplar filtros de colores. con ausencia de sombras.. Es ideal para iluminar objetos de reducidas dimensiones y se pueden sujetar al objetivo de la cámara o a la óptica de un microscopio. led. láser. Iluminación mediante fluorescentes. Iluminación mediante fibra óptica. Proporcionan una gran intensidad de luz uniforme. Las lámparas han sido diseñadas para suministrar el máximo de intensidad durante al .¿El objeto presenta superficies con reflejos? ¿Qué fondo presenta la aplicación: color. lineales. de panel). polarizadores/analizadores. fluorescente.? ¿Cuál es la característica a resaltar? ¿Qué duración debe tener el sistema de iluminación? ¿Qué requisitos mecánicos. lineales de apertura.. y difusores para eliminar reflejos y aumentar el efecto difusor. geometría. sin sombras. . Pueden ser de iluminación directa y en anillo Iluminación mediante láser. Esta iluminación se aplica en entornos que requieren mucha luz. y ningún tipo de sombra.) Iluminación mediante diodos led. inspección y la microscopía. Los patrones láser se utilizan mayoritariamente en aplicaciones de medida de profundidad..menos 7000 horas.. anular – directa en ciertos objetos. Fotografía. Lo que proporciona una mayor productividad. Control de Calidad. en diferentes formas y tamaños. etc. Industria. y de irregulares. (análisis biológicos. Visión Industrial. Y también ultravioletas (UV). Robótica. Ensamblaje. Mediante ópticas especialmente diseñadas. Proporcionan una luz difusa muy útil para la aplicación Iluminación mediante fibra óptica circular – semirrígida iluminación fluorescente de panel – circular iluminación mediante diodos led. Inspección de circuitos. Existen lamparas blancas en distintas temperaturas de color. . se puede convertir un puntero láser. Laboratorios. como para que puedan resolver aplicaciones de visión en entornos científicos e industriales. Las tarjetas se dividen en tres categorías distintas en función de sus características: • • • Frame Grabbers estándar de bajo coste Frame Grabbers avanzados de altas prestaciones y con características multicanal Frame Grabbers "inteligentes" con procesadores abordo.2.7. . Con la llegada del bus PCI y con la rápida evolución de los procesadores de los PC se ha conseguido visualizar las imágenes en tiempo real y realizar la mayoría de procesos en tiempos suficientemente cortos. Las cámaras que se utilizan en estos entornos presentan una serie de requisitos que en la mayoría de ocasiones no son estándar. analizarlas y /o visualizarlas. Esta evolución del hardware a comportado el desarrollo de librerías de visión que puedan funcionar en entornos estándar de todo tipo de sistemas operativos como de procesadores. GRABBERS (tarjetas PC): En las aplicaciones de visión industrial y de análisis de imagen es necesario tomar las imágenes con la mejor calidad posible y enviarlas a la memoria del ordenador con el fin de procesarlas. con los resultados esperados en su justo tiempo.6. 2. Las especificaciones y precios de las placas de captura de imagen (Frame Grabbers) varían enormemente y por tanto se deben tener en cuenta los requisitos técnicos de cada frame grabber para su elección. SOFTWARE: En el pasado más reciente no era posible hacer los procesos en tiempo real debido a que los ordenadores no eran lo suficientemente rápidos para realizar los cálculos con las imágenes. La base del software de un sistema de visión es la interpretación y análisis de los píxels. El resultado final puede ser. Los pasos a seguir en un sistema de visión serán: • • • • • Captura de la Imagen Definición de la región de interés donde se realizarán las medidas Inicialización de las tolerancias para determinar si la pieza a determinar es o no correcta Ejecutar las medidas Generar una salida apropiada . desde la medida de una partícula. a la determinación o lectura de una serie de caracteres (OCR). pasando por cualquier otro proceso que podamos imaginar sobre las imágenes. Esto permite ingresar diferentes tipos de piezas u objetos en forma automatizada a un recinto cerrado denominado zona de captura. un soporte para la cámara digital y el sensor de proximidad. un sistema clasificador con 3 recipientes. Una vez reconocido el objeto (a través de color y parámetros geométricos que son ingresados a una red neuronal para la toma de decisión) el computador enviará una señal de mando al sistema de control del clasificador para posicionar sus recipientes adecuadamente y recibir la pieza reconocida. basado en técnicas de procesamiento digital de imágenes y redes neuronales. El sistema está conformado por la faja transportadora. OBJETIVOS • Diseñar y construir un sistema de clasificación automático de objetos. un clasificador con 3 recipientes. color y tamaño. se presenta el diseño y desarrollo de un sistema de reconocimiento y clasificación de patrones basados en procesamiento digital de imágenes y redes neuronales. • Diseñar y construir una estructura metal-metálica que soporte una faja transportadora. un soporte para una cámara digital.CAPITULO III APLICACIONES SISTEMA DE RECONOCIMIENTO Y CLASIFICACIÓN DE PATRONES BASADO EN PROCESAMIENTO DIGITAL DE IMÁGENES Y REDES NEURONALES RESUMEN A través del presente trabajo. la adquisición de la imagen y la clasificación del objeto. El sistema cuenta con una faja transportadora para la simulación de una línea de producción. . el cual permita monitorear el movimiento de la faja transportadora. En este recinto se realizará la adquisición de la imagen cuando el objeto se encuentre posicionado debajo de la cámara (utilizando para ello un sensor proximidad) . • Diseñar e implementar un sistema de control. además del recinto que permite aislar la zona de captura de la luminancia variable del medio ambiente. además del recinto que permite aislar la zona de captura de la luminancia variable del medio ambiente. Dicha estructura permitirá simular una línea de producción industrial. El sistema tendrá la capacidad de extraer las características visibles del objeto para diferenciarlo y clasificarlo de acuerdo a su forma. La visión artificial por computadora es una disciplina en constante crecimiento con versatibilidad de aplicaciones. hasta llegar al punto en que todo se realice mediante máquinas capaces de tomar decisiones y realizar actividades autónomas para la fabricación o clasificación de un determinado producto. mediciones. el cual se presente en la figura 1. Esta red neuronal podrá entrenarse para clasificar diferentes tipos de objetos. el lugar respectivo de cada objeto en estudio. robótica. Implementar el algoritmo de una red neuronal multicapa como reconocedor de patrones. donde solamente se requerirá la labor humana para el control y mantenimiento de estas máquinas. de acuerdo a los parámetros ingresados por el operador. ya que la industria seguirá creciendo a medida que se desarrollen investigaciones para mejorar su performance. han llevado a las empresas a reestructurarse y perfeccionarse optimizando sus procesos por medio de la automatización basada en el computador. • Implementar un aplicativo de interfaz de usuario basado en el entorno Visual Studio C++. En este caso el reconocimiento y la clasificación satisfactoria del sistema dependen de las técnicas de reconocimiento de objetos confiables que se empleen para cumplir con ciertos requerimientos importantes para el proceso. tamaños y formas. La manipulación de objetos en líneas de producción es una tarea donde un gran conjunto de diferentes tipos de objetos aparecen en posición y orientación arbitraria. el cual permitirá seleccionar y posicionar. . El futuro es aún más prometedor. los cuales permitan extraer características visibles como: color. reconocimiento de objetos. redes neuronales y control del proceso. tamaño y forma. entre ellas la visión. INTRODUCCIÓN El desarrollo de la tecnología y el aumento de la competencia en el sector industrial. La inteligencia artificial es parte de la informática avanzada que intenta aproximar algunas de las capacidades del cerebro humano. etc. como inspección automática.• • Implementar algoritmos basados en procesamiento digital de imágenes. En este trabajo se implementa un sistema de clasificación automática de colores. El problema se aborda mediante un esquema de visión artificial. en el cual se codificarán todos los algoritmos implementados de procesamiento digital de señales. eliminación de ruido. esto por medio de una cámara digital. contraste. por lo que el siguiente paso es el “pre-procesamiento” de la imagen. realce de bordes. La imágenes adquiridas no siempre se presentan en un formato adecuado para su análisis.La adquisición de la imagen es el conjunto de operaciones que se realizan para transformar la iluminación de una escena en una señal digital. como son el nivel de gris. (Véase la figura 2) . en el cual se utilizan técnicas que permitan mejorar la imagen adquirida. Una vez que la imagen se encuentre en condiciones de ser procesada. . (Véase la figura 3) Una vez segmentada la imagen. tamaño o forma. se tiene que hallar el objeto dentro de la imagen de forma independiente. Asimismo lo procesos industriales no son constantes. lo cual se realiza a través de la segmentación. diseño e implementación del sistema de control. razón por la cual el sistema debe ser capaz de adaptarse a nuevos contextos. DESCRIPCIÓN DEL PROYECTO El proyecto se divide en 4 etapas principales: diseño mecánico. siendo necesario implementar una red neuronal que permita flexibilidad de las operaciones. procesamiento digital de la imagen) y diseño de la red neuronal. se procede a extraer las características para el reconocimiento. para que pueda clasificarse el objeto por color. Diseño mecánico: En esta parte se describirá el diseño e implementación del soporte mecánico necesario para la simulación de una línea de producción industrial. un clasificador de objetos. el soporte para la cámara digital y sensor de presencia. Diseño e implementación del sistema de control: La etapa de control es goberando por un microcontrolador PIC 16F877 y tiene como objetivo principal monitorear en su totalidad el proceso de clasificación desde una estación remota. además del aislamiento de la zona de captura de la imagen de los efectos del medio ambiente. Esto comprende el soporte sobre la que se ubicará la faja transportadora. (Véase la figura 5 y 6). . el microcontrolador esta pendiente de cualquier interrupción. o ingreso de comandos desde el computador o periféricos conectados directamente el microcontrolador. a las condiciones iniciales. En ese instante el microcontrolador PIC 16F877 genera la señal PWM (modulación por ancho de pulso). luego la procesa y finalmente envía la señal de reinicio del proceso (arranque del motor de corriente continua). En ese momento el microcontrolador PIC 16F877 busca llevar a los elementos de campo conectados a él directamente. El microcontrolador deja de mandar la secuencia cuando el sensor óptico (ubicado de forma adecuada) es activado.Una vez puesto en marcha el sistema. el cual previa interfaz de potencia inducirá movimiento al motor de corriente continua (encargado de la velocidad de la faja transportadora).El proceso de clasificación se inicia cuando el operador desde el computador manda la señal de inicialización al sistema. EL computador en respuesta envía al microcontrolador la señal de parada del proceso y a través de la cámara digital captura la imagen. En el caso que se produzca una interrupción por el sensor de presencia. generado por el sensor de presencia. el microcontrolador PIC envía la señal al computador para que adquiera la imagen. el cual indica que el clasificador se encuentra en la posición deseada. En un tiempo . Primero posiciona el clasificador de objetos mandando la secuencia necesaria al motor de pasos (el cual se encarga del movimiento del clasificador). que son grabados en una matriz 240 * 320 * 3 para poder ser procesadas por los algoritmos de encargados de extraer características de la imagen.muy corto (alrededor de milisegundos) se envía el identificador del clasificador al cual debe ser depositado el objeto. En este momento el microcontrolador PIC manda la secuencia necesaria al motor de pasos (previa interfaz de potencia) hasta llegar a la posición deseada. Esta imagen es grabada en formato BMP en el disco duro de la computadora. . Procesamiento digital de la imagen: La imagen obtenida a partir de la cámara digital tiene el formato RGB de 256 colores. posterior a esto el microcontrolador envía la señal al computador indicando que el objeto fue clasificado. cuenta con la resolución de 240*320 píxeles. A partir de este archivo se extraen las componentes R G B de cada píxel. se formaron 3 imágenes. A estas 3 imágenes se aplicó la máscara de SOBEL obteniendo 3 matrices las cuales son binarizadas utilizando un valor de umbral (este valor puede variar dependiendo de la luminosidad ambiental). la otra con G y finalmente con B. Binarizadas las tres matrices se procede a realizar una sumatoria lógica píxel a píxel de las tres matrices obteniendo una matriz resultante que define los bordes del objeto a detectar sin pérdida de información.Obtenidas las componentes RGB de la imagen. . una de ellas sólo con componentes R. Una vez binarizada la imagen. tamaño y forma. . se obtienen las coordenadas de los píxel que forman en contorno de la figura para poder extraer características que permitan clasificarlas por color. . para luego ir acumulando estos valores en una variable. 12) se obtienen las coordenadas correspondientes a los pixeles que conforman el contorno del objeto. conociendo las dimensiones en cms. El modelo desarrollado en el proyecto es el perceptrón multicapa con el algoritmo de propagación del error.. el objetivo principal es construir una red neuronal que permita clasificar los objetos en forma automática y versátil dentro de 3 clases (número de clasificadores). de cada pixel. El esquema general de la red neuronal diseñada de muestra en la Fig. donde puede verificarse una capa de entrada con 4 neuronas. 2 capas ocultas con 40 neuronas cada uno y una capa de salida con 3 neuronas.Como resultado de la detección de máximos y mínimos (Fig. las cuales multiplicadas por el área del píxel obtenemos el área del objeto. que al final del proceso tendrá el valor del perímetro requerido. a cada pixel se realiza una conversión de formato RGB a HIS (H=hue proporciona información del color del objeto).Cálculo del perímetro. se procede a determinar la diferencia euclidiana entre coordenadas del contorno. Asimismo para identificar el color del objeto. Luego. La diferencia o distancia euclidiana) entre coordenadas del contorno es expresada como: Cálculo del área y color.Conociendo las coordenadas del contorno de la imagen se enumeran el número de píxeles contenidos en la figura. 13. Diseño de la red neuronal: En esta parte. . Módulo de configuración de criterios de selección: Se ha implementado los siguientes criterios de selección: Forma. Tamaño. La interfaz visual que se ha desarrollado cuenta con las siguientes funcionalidades: • Módulo de calibración de la cámara: Este módulo permite determinar las dimensiones de un píxel de la imagen en base a la distancia que existe entre la superficie del objeto y la cámara. • Comunicación serial: Se ha implementado el módulo de comunicación serial RS 232C para PC en donde se ejecuta el aplicativo desarrollado en Visual C+ + y el módulo de control basado en PIC 16F877. • Identificación de formas de objetos basados en los momentos de Hu: Este módulo esta basado en el cálculo de los momentos invariantes a traslaciones. Para el acceso a las funciones de la cámara digital utilizada para la adquisición de las imágenes. Color. rotaciones y homotecias.Interfaz Visual: La interfaz visual ha sido desarrollada íntegramente utilizando el lenguaje de programación MS Visual C ++ con el cual se ha logrado mayor rapidez en el tiempo de procesamiento de los algoritmos de procesamiento digital de imágenes. se ha utilizado un control Active X “videoCapX” el cual incorpora funciones utilizadas dentro del programa. Red neuronal como sistema de clasificación de patrones: Este módulo consta de dos partes: Generación de Archivos de Entrenamiento y Entrenamiento de la Red Neuronal. Este módulo permite definir cual será el criterio de selección. . • • Módulo de calibración de colores: Este módulo permite definir los umbrales de color (valores numéricos que varían entre 0 y 255). • El sistema diseñado es capaz de calcular el perímetro del objeto con un error de 0. mientras que el área es calculado con un error de 0.B) de la imagen capturada por la cámara digital. Este método permitió segmentar eficientemente objetos cuyos colores son parecidos al color de la faja transportadora. como lo son: azul y verde.5 cm.CONCLUSIONES • El sistema diseñado es capaz de clasificar objetos por sus colores utilizando el formato HIS.5 cm2.. El sistema actualmente esta predeterminado para trabajar con 6 colores.G. el cual fue aplicado a cada componente de color (R. siendo necesario cada vez que se inicie el proceso de clasificación calibrar los umbrales de color para la diferentes tonalidades de color que pueden existir. Para . • Para la segmentación de la imagen se utilizó el operador de Sobel. para luego ser binarizada y sumada lógicamente. de esta manera se obtiene el tamaño del píxel en cm. extracción.esto es necesario calibrar la cámara antes de iniciar el proceso de clasificación. • Para el proceso de clasificación por formas se diseñó e implementó una red neuronal basada en el modelo del perceptrón multicapa con el algoritmo de retropropagación del error y función de activación tangente hiperbólica. • Los algoritmos de control. La eficiencia de este modelo es mayor al 90% y el tiempo de entrenamiento de la red es menor a los 10 minutos. descripción y clasificación de objetos fueron elaborados en el entorno Visual Studio C++. comunicación. . La interfaz desarrollada es de fácil uso y comprensión. para este entorno. los algoritmos codificados. Se eligió esta alternativa por el tiempo de procesamiento que toma en desarrollar.
Report "SISTEMAS INTELIGENTES DE PROCESAMIENTO DE IMÁGENES"