Identificación de componentes de color con visión artificial y redes neuronales
DOI:
https://doi.org/10.46588/invurnus.v18i1.79Palabras clave:
Redes neuronales, proceso, sistema, visión, Redes neuronales, proceso, sistema , visiónResumen
El presente trabajo detecta partes de plástico de 2 colores distintos, rojo y azul, mediante el uso de fotografías de las piezas, las cuales son analizadas mediante una interface escrita en el lenguaje de programación de Visual C#. Se utiliza una cámara WEB de uso común como el elemento de visión que provee la información que necesita la interface, la cual tiene una implementación de una red neuronal entrenada con el algoritmo de backpropagation. Para lograr este reconocimiento se sigue el proceso tradicional de tomar una serie de muestras como conjunto de entrenamiento y se valida el proyecto mediante la implementación del mismo en una línea de producción en una industria de manufactura local. Los resultados obtenidos mostrarán que tan eficiente es el sistema utilizando las técnicas de visión artificial para procesar la información y el uso de determinada estructura de red neuronal como elemento de reconocimiento.
Descargas
Citas
http://www.etitudela.com/celula/downloads/visionartificial.pdf
https://www.intel.es/content/www/es/es/manufacturing/what-is-machine-vision.html
Honey characterization using computer vision system and artificial neural networks. 159. Salas, R. (2004). Redes Neuronales Artificiales. Universidad de Valparaiso. Departamento de computacion. 116 Savaktar, D. (2012).
Antsaklis, P. J. (1990). Neural networks for control systems. IEEE Transactions. Galushkin, A. (2007). Neural Networks Theory. Springer.
Gestal Pose, M. (2000). Introduccion a las redes de neuronas artificiales. Departamento de Tecnologías de la Información y las Comunicaciones Universidad de Coruña. Heaton, J. (2008).
Introduction to neural networks for C#. Heaton Research, Inc. Henry A. Rowley, S. B. (1998). Neural Network-Based Face Detection. PAMI. Matich, D. J. (2001).
Redes Neuronales: Conceptos Básicos y Aplicaciones. Informática Aplicada a la Ingeniería de Procesos – Orientación I. Universidad Tecnológica Nacional – Facultad Regional Rosario. Murata, N. Y. (1992).
Network information Criterion - determining the number of hidden units for an artificial neural network model. IEEE. Robert L. Harvey, P. N. (1991).
A Neuronal Network Architecture for General Image Recognition. The Lincoln Laboratory Journal, 4(189). Rocha Miranda, A., & Morales Ramos, J. C. (2004).
Procesamiento digital de señales y redes neuronales. Obtenido de Consultoría y capacitación para la competitividad de clase mundial: http://www.icicm.com/files/ProcDigitalSe_alesRedesNeuronales.doc Rojas, R. (1996).
Neural Networks: A Systematic Introduction. Berlin: Springer. Rosenblatt, F. (1961). Principles of Neurodynamics: Perceptrons and the theory of brain mechanisms. Washington DC: Spartan Books. Sahameh Shafiee, S. M.-C. (2014).
Identification and Classification of Bulk Fruits Images using Artificial Neural Networks. International Journal of engineering and Innovative Technology, 1(3). V. C. Patel, R. W. (1998).
Color Computer Vision and Artificial Neural Networks for Detection of Defects in Poultry Eggs. Artificial Intelligence Review(163-176). Valencia Reyes, M. A. (2007).
Algoritmo Backpropagation para redes nueronales: conceptos y aplicaciones. Instituto Politecnico Nacional. Centro de investigacion en computacion. Velez Serrano, J. F., Moreno Diaz, A. B., Sanchez Calle, A., & Sanchez-Marin, J. L. (2003).
Vision por computador. José Francisco Vélez Serrano. Vision Artificial. (s.f.). Recuperado el 10 de 10 de 2014, de C.I.P. ETI Tudela: www.etitudela.com/celula/downloads/visionartificial.pdf White, H. (1992).
Artificial Neural Networks: Approximation and learning theory. Basil, Blackwell: Oxford. Zadeh, L. A. (1973). Outline of a New Approach to the Analysis of Complex Systems and Decision Processes. 24-44.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.