Beruflich Dokumente
Kultur Dokumente
SALESIANA
MAESTRÍA EN ELECTRÓNICA Y
AUTOMATIZACIÓN
REALIZADO POR:
- MARTÍNEZ PAÚL
FECHA: 2019-04-15
CUENCA-ECUADOR
PRÁCTICA DE CONTROL DE CALIDAD APLICADO EN LA INSTRUMENTACIÓN INDUSTRIAL
Pasos efectuados:
1. Se plantea como objetivo el control de calidad en una línea de envasado de Coca Cola, para
ello se toma como base el desarrollo de un sistema de inspección de calidad basado en
técnicas de visión artificial. Para el cual se ha realizado la captura de 121 imágenes
presentando imágenes de botellas que cumplen con el estándar de calidad, como botellas
que lo incumplen. Dicha información se obtuvo del proyecto alojado en:
https://github.com/Toemazz/ProductionLineVisualInspection
Los features a evaluar en los envases son:
Ausencia de envase
Envase deformado
Envase demasiado lleno
Envase algo vacío
Envase sin etiqueta
Envase con etiqueta torcida
Envase con etiqueta no impresa
Envase sin tapa
Envase con más de una falla a la vez
Envase que cumple todas las normas (llenado normal, integridad del envase,
integridad de etiqueta y presencia de tapa)
5. Con la respuesta del sistema, y una implementación de los actuadores adecuados se pueden
tomar las acciones necesarias para retirar los elementos que no cumplan con los cirterios
de calidad.
Para realizar el entrenamiento del sistema debemos abrir el script “entrenamiento.py” e ingresar
los parámetros deseados.
EVALUACIÓN DE FUNCIONAMIENTO
1. Se plantea el ingreso de imágenes al sistema (capturas) de botellas en grupos de 3,
ingresados en la carpeta pruebas.
2. Para la evaluación se crea un archivo Python “clasificador.py” en el cual se podrá evaluar
individualmente la respuesta con respecto a distintas imágenes o escenas de entrada.
Direccionando la imagen actual solamente con su nombre.
Como resultado se obtiene la imagen segmentada, enfocada en el envase del centro y que
tiene escrita sobre la misma la etiqueta a la cual el sistema ha identificado que pertenece.
CONCLUSIONES:
o El uso de herramientas tales como Keras y Tensorflow nos ayuda de gran manera para construir
el modelo de la red neuronal, sobretodo por la facilidad que nos brindan para adaptar modelos
pre-desarrollados a nuestras necesidades.
o La precisión del resultado obtenido dependerá de algunos factores, entre ellos el tamaño de
nuestro dataset.
o A futuro, con la integración de Labview se puede completar el sistema de instrumentación
orientado al control de calidad, ya que actualmente se encuentran en desarrollo herramientas
que pueden manejar los modelos generados por Keras y Tensorflow.