Beruflich Dokumente
Kultur Dokumente
Alumno:
Jos Amado Navarro Castellanos
Jess Ivn Moreno Ramrez
Jess Emilio Valenzuela Leal
Jorge Wong Loaiza
Materia:
Inteligencia Artificial.
Profesora:
Soto Corona Rebeca Arlet.
Trabajo:
Visin Artificial
Lgica difusa
Introduccin
Concepto
pg. 2
Visin artificial y Lgica difusa
Objetivos
Los objetivos de visin artificial incluyen:
pg. 3
Visin artificial y Lgica difusa
pg. 4
Visin artificial y Lgica difusa
Metrologa ptica 2D y 3D
Diseo de sistemas industriales visin artificial para control metrolgico en 2
y 3 dimensiones con el fin de detectar desviaciones respecto a las medidas
reales. VA en control industrial En el rea de la metrologa, los sistemas
visin artificial tratan obtener las magnitudes fsicas del objeto y verificar
posteriormente que se corresponden con el patrn exigido. Para ello se
desarrolla un software capaz de detectar estos aspectos y establecer si se
cumplen o no los diferentes requisitos. Entre las principales ventajas de este
sistema se encuentra que no es necesario el contacto con objeto y la
posibilidad de realizar el control en cien por de las piezas fabricadas.
Lectura de datos
Lectura de datos (OCR, OCV, cdigo barras) Diseo e implementacin de
sistemas visin artificial para reconocimiento y verificacin de caracteres
(OCR, OCV, datamatrix) orientado a la mejora trazabilidad, almacenamiento
y lectura de determinados documentos con aplicacin a sectores como la
gestin logstica, de almacenes y seguridad. El texto legible por humanos es
el modo preferido de etiquetar artculos para objetivos como el rastreo con
nmeros de serie, la notificacin de fecha vencimiento, el tipo artculo,
nmero de lote y/o la descripcin del valor nominal. El reconocimiento de
carcter ptico gira en torno a una marca imagen digital con una serie de
caracteres, para lectura o comprobacin del contenido.
pg. 5
Visin artificial y Lgica difusa
Lgica difusa
Introduccin
Supongamos que una persona se considera alta si mide 1.80mts o ms. La
lgica tradicional o clsica utiliza demarcaciones estrictas o exactas para
determinar pertenencia en sets (o valores asignados), por lo tanto,
tendramos que:
A = {x | x 1.8}
Esto quiere decir que una persona que mide 1.799999mts no es
considerada como alta, pero Un ser humano como lo considerara?
pg. 6
Visin artificial y Lgica difusa
Definicin
Bsicamente una lgica que permite valores imprecisos, inexactos,
intermedios o aproximados para poder definir evaluaciones convencionales
entre s/no, verdadero/falso,negro/blanco, etc.
La invent Lofti Zadeh en los aos 60s combinando los conceptos de la
lgica y de los conjuntos de Lukasiewicz mediante la definicin de grados de
pertenencia. Expresiones como bastante, mucho, poco, casi, muy
e inclusive valores numricos inexactos (0.001, 0.999, 1.0, 2.052) se pueden
formular matemticamente y procesarse por medio de la computadora para
as similar con mayor precisin la forma de pensar del cerebro humano .Por
lo tanto, si la lgica clsica es la ciencia que estudia las leyes, los modos y
pg. 7
Visin artificial y Lgica difusa
Caractersticas
Soporta datos imprecisos.
Es conceptualmente fcil de entender.
Es flexible.
Es tolerante a los datos imprecisos.
Se basa en el lenguaje humano.
Se basa en la experiencia de expertos conocedores del problema en
cuestin.
Puede modelar funciones no lineales de alguna complejidad.
Combina en forma unificada expresiones lingsticas con datos
numricos.
pg. 8
Visin artificial y Lgica difusa
Conjuntos Difusos
Conjunto: Coleccin de elementos que existen dentro de un Universo
Universo: Conjunto referencial que contiene a todos los elementos de
una situacin particular.
Conjunto concreto: Cada uno de los elementos del Universo
pertenecen o no a un determinado conjunto mediante una regla de
pertenencia que le asigna un valor de 1 si el elemento pertenece al
conjunto, y de 0 si no pertenece.
Conjunto difuso: Se basa en el mismo principio de un conjunto
concreto, con la diferencia de que, en un conjunto difuso, un
elemento puede pertenecer parcialmente a un conjunto.
pg. 9
Visin artificial y Lgica difusa
Ejemplos:
U = {0,1,2,3,4,5,6,7,8,9}
CCA = {0,2,4,6,8}
CDA = {20%/1,50%/4,100%/7
CCB = {1,3,5,7,9}
CCC = {1,4,7}
Aplicaciones
pg. 10
Visin artificial y Lgica difusa
Ventajas Y Desventajas
VENTAJAS
Facilidad de implementacin.
Buenos resultados en procesos no mejores resultados en la
salida. (Al igual lineales y de difcil modelizacin. que ocurre con
los humanos).
Modo de funcionamiento similar al comportamiento humano.
Forma rpida y econmica de resolver obtenemos peores
resultados usando un problema. Lgica Difusa.
No se necesita conocer el modelo matemtico que rige su
funcionamiento.
pg. 11
Visin artificial y Lgica difusa
DESVENTAJAS
En las redes neuronales se precisa de un tiempo de aprendizaje
para obtener los mejores resultados en la salida (al igual que
ocurre con los humanos)
Ante un problema que tiene solucin comportamiento humano.
mediante un modelo matemtico, obtenemos peores resultados
usando lgica difusa.
pg. 12
Visin artificial y Lgica difusa
pg. 13