Desarrollo de un algoritmo de sistema de visión artificial para identificar defectos físicos en latas de atún redondas
DOI:
https://doi.org/10.18050/ingnosis.v9i1.3173Palabras clave:
Defectos físicos, Procesamiento de imágenes, Latas de atún redondasResumen
Se desarrolló un algoritmo destinado a la identificación de los defectos físicos en las latas de atún redondas aplicando técnicas de visión artificial y procesamiento de imágenes. El algoritmo centra su funcionamiento en un ordenador de 12 Gb de RAM y Windows 10 de 64 bits, que conectado a una cámara de 108 MP, mediante el uso de la aplicación DroidCam, puede adquirir imágenes de la parte lateral de las latas de atún redondas. Estas imágenes adquiridas son procesadas dentro del ordenador. Se usó la técnica de visión artificial y métodos estadísticos para identificar los defectos físicos en la parte lateral de las latas de atún redondas, tales como, golpes pequeños, grandes y más de un solo golpe. Tras llevar a cabo pruebas que se realizaron con el algoritmo, se obtuvo como resultado una precisión del sistema del 96.08%. Se concluyó que, la implementación de este algoritmo asegura la calidad de las latas de atún redondas, así como facilita un eficaz control en los procesos de la industria al detectar aquellas latas que presentan defectos físicos.
Citas
Aguilar, M. J. (2017). Escala de grises. Glosario C+R. Universidad Politecnica de Valencia, 2017. http://glosario.ldr.webs.upv.es/postout/3716/escala-de-grises.
Alvarado, C. A. (2021). Implementación de la 5S para mejorar la gestión del almacén de una institución policial, La Libertad 2020 [Tesis de licenciatura, Universidad Privada del Norte]. Repositorio de la Universidad Privada del Norte. https://hdl.handle.net/11537/29032.
Beuzen, T., & Timbers, T. (2022). Python Packages. Chapman and Hall/CRC.
Caravedo, B. (2016). La energía social en las empresas B. Universidad del Pacífico, Lima.
Cardellino, F. (2021). La guía definitiva del paquete NumPy para computación científica en Python. freeCodeCamp.org. La guía definitiva del paquete NumPy para computación científica en Python.
Challenger-Pérez, I., Díaz-Ricardo, Y., & Becerra-García, R. A. (2014). El lenguaje de programación Python. Ciencias Holguín, 20(2), 1-13. https://www.redalyc.org/pdf/1815/181531232001.pdf.
Diario de Chimbote (2020). Incautaron 40 cajas de conserva de dudosa procedencia ayer en el mercado La Perla. [Noticia] Chimbote. https://diariodechimbote.com/.
Diaz, D. (2023). Guía para principiantes de la programación orientada a objetos (POO) en Python. Kinsta. [En línea] 15 de Junio de 2023. [Citado el: 03 de Noviembre de 2023.] https://kinsta.com/es/blog/programacion-orientada-objetos-python/.
Dominguez M., T. (2021). Visión artificial. Aplicaciones prácticas con Open CV-Python. Primera. Barcelona: Marcombo.
i García, E. M. (2012). Visión artificial. Fundación para la universidad Oberta de Catalunya. https://www.playmodes.com/wp-content/uploads/2017/04/UOC-PDF-6.pdf.
Mehmood, S. (2022). OpenCV Dilate. Delftstack. [Citado el: 3 de enero de 2023.] https://www.delftstack.com/es/howto/python/opencv-dilate/.
Mendoza, A. H. (2023). Gestión de la innovación tecnológica: del aula a las soluciones. Universidad Iberoamericana AC.
Munoz, Niña (2023). Defectos de las latas: causas, efectos y prevención. INNOSEN. [En línea] Enero de 2023. https://www.innosen.com/es/articles/defectos-de-las-latas-causas-efectos-y-prevencion-2/.
Ortiz R., E., Mejía-Lavalle, M., & Sossa, H. (2017). Filtrado de ruido Gaussiano mediante redes neuronales pulso-acopladas. Computación y Sistemas, 21(2), 381-395. https://doi.org/10.13053/cys-21-2-2742.
Otarola, Valeria (2014). Parámetros de calidad en el atún enlatado. Prezi. [En línea] 2014. https://prezi.com/m9_kioa3rwe1/parametros-de-calidad-en-el-atun-enlatado/.
Palma S., W. S. (2020). Implementación de un sistema de visión artificial en líneas de producción de atún, para la detección de fallas de codificado en la empresa Puertomar SA, Provincia de Manabí. http://dspace.espoch.edu.ec/handle/123456789/14101.
Palma S., W. S. (2020). Implementación de un sistema de visión artificial en líneas de producción de atún, para la detección de fallas de codificado en la empresa Puertomar SA, Provincia de Manabí. http://dspace.espoch.edu.ec/handle/123456789/14101.
Poblet G., P. (2022). Detección de defectos en latas de refrescos mediante redes neuronales y visión artificial (Bachelor's thesis, Universitat Politècnica de Catalunya). http://hdl.handle.net/2117/371689.
Rebaza, J. V. (2007). Detección de bordes mediante el algoritmo de Canny. Escuela Académico Profesional di Informática. Universidad Nacional de Trujillo, 4.
Rico-Schmidt, E. (2019). OS – Acceso portable a funciones específicas del sistema operativo. https://rico-schmidt.name/pymotw-3/os/index.html.
Rodriguez, H. (2021). ¿Qué es OpenCV? ¡Descubre todo acerca de la visión artificial! Crehana. https://www.crehana.com/blog/transformacion-digital/que-es-opencv/.
Romero, J. G. I. G. (2022). Investigación organizacional: Desafíos y perspectivas. Universidad Juárez del Estado de Durango.
Rosebrock, A. (2015). I just open sourced my personal imutils package: A series of OpenCV convenience functions. Pyimagesearch. My imutils package: A series of OpenCV convenience functions - PyImageSearch.
Sanchez, D. (2023). Indecopi sanciona a 6 supermercados por vender productos enlatados con golpes y abolladuras. [Noticia], Perú : La Republica. https://larepublica.pe/.
Severance, C. R., Castellanos, J. C. P., & de Dios Dougnac, J. (2009). Python para todos: explorando datos en Python 3. Charles Severance.
Soria, E., Rodríguez, P., García, Q., Vaquer, F., Vicent, J., & Vila, J. (2022). Inteligencia artificial. Ra-Ma Editorial.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Carlos Manuel Zevallos Tapia, Rosa Mariel Montes Chang, Carmen Milagros Montes Portella, Pamela Mairely Nolasco Blas, Anabel Marilu Bolaños Narciso
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
