1
UNIVERSIDAD AUTONÓMA DE NUEVO LEÓN
FACULTAD DE INGENIERÍA MECÁNICA YELÉCTRICA.
Sistemas de Visión.
Producto Integrador PIA.
Alumno: Erick Miguel Chávez Cruz.
Maestro: Dante Ferreyra.
Hora: N3 L-M-V
Salón: 1204
Matricula: 1730128
Carrera: IMTC
Semestre: Febrero-Junio 2021
San Nicolás de los Garza, a 14 de mayo de 2021
2
Índice.
Tabla de contenido
Instrucciones ........................................................................................ 3
Objetivo. .............................................................................................. 4
Introducción ......................................................................................... 4
Análisis de Partículas” a través de Sistemas de Visión..................................... 7
Imagen por utilizar. ................................................................................. 9
Filtro 1: Ruido ....................................................................................... 9
Filtro 2: Binarización ............................................................................. 10
Filtro 3 Fourier ....................................................................................... 11
Conclusión .......................................................................................... 12
Bibliografía. .......................................................................................... 12
3
Instrucciones
1.2 Procedimiento:
1.2.1 Fase 1
• El alumno deberá adquirir dos imágenes con dos objetivos de interés con características
morfológicas diferentes.
• El alumno deberá diseñar e implementar algoritmo(s) de preprocesamiento para la
reducción de ruido en la imagen o extracción de los objetos de interés (Por ejemplo,
Selección del plano del color, umbralización, Filtros, Operaciones Morfológicas, etc.).
1.2.2 Fase 2
• El alumno deberá investigar acerca de técnicas para la Identificación y
Segmentación Morfológica (por ejemplo, transformada de Hough).
• El alumno deberá agregar un algoritmo de Segmentación Morfológica al
realizado en la fase 1.
• El alumno deberá reportar la implementación en ambas imágenes, comparar
resultados y seleccionar los parámetros adecuados para la segmentación de solo
un objeto de interés.
1.2.3 Fase 3
• El alumno deberá investigar acerca de las características típicas a medir en los
“Análisis de Partículas” a través de Sistemas de Visión.
• El alumno debe agregar un algoritmo de Análisis de Partícula para obtener
características específicas del objeto de interés en ambas imágenes (Por ejemplo:
Tamaño, Localización, Rotación, etc.)
• El alumno debe analizar y reportar los resultados de ambas imágenes.
• Opcional: Agregar un proceso de “Overlay” para mostrar los datos del Análisis de
Partícula.
El alumno será responsable de entregar los siguientes elementos como
Evidencia de su Proyecto Integrador de Aprendizaje:
[Link] Reporte 10%
El estudiante generará un reporte que incluya:
1. Descripción del problema
2. Estado del Arte
3. Descripción del Procedimiento
4
4. Soluciones encontradas
5. Métodos y Algoritmos utilizados
6. Restricciones de las soluciones
7. Conclusiones
[Link] Video 10%
El estudiante entregará un video con el resumen del desarrollo no mayor a 5
minutos.
[Link] Algoritmo 10%
• El estudiante entregará el algoritmo desarrollado y archivos anexos necesarios
en una carpeta comprimida
Objetivo.
El estudiante implementará un Algoritmo basado en las técnicas de Sistemas de
Visión para la extracción, reconocimiento y análisis de 2 objetivos (mínimo) con
diferente morfología.
Introducción
La Transformada de Hough.
Herramienta utilizada para detectar figuras en una imagen digital que pueden ser
expresadas matemáticamente, tales como rectas, círculos o elipses.
Transformada de Hough 1
5
Inicialmente esta técnica solo se aplicaba a la detección de rectas en una imagen,
más tarde se extendió para identificar cualquier figura que se pudiera describir con
unos cuantos parámetros.
detección de rectas en una imagen 1
Como primer paso, se puede usar un detector de bordes para obtener los puntos
de la imagen que pertenecen a la frontera de la figura deseada.
frontera de la figura deseada 1
6
Debido a las imperfecciones, ya sea de la imagen captada o del detector de
bordes, existen muchos puntos que pertenecen a la línea y que faltan en la
imagen; también pueden existir separaciones espaciales entre la figura ideal (por
ejemplo, una recta) y los puntos ruidosos del borde detectado.
El objetivo de la transformada de Hough es resolver este problema, haciendo
posible realizar agrupaciones de los puntos que pertenecen a los bordes de posibles
figuras a través de un procedimiento de votación sobre un conjunto de figuras
parametrizadas.
Será responsabilidad nuestra establecer el umbral de votos para considerar que
una línea existe en la imagen.
La visión artificial industrial es una de las tecnologías que marca la diferencia en
ciertas tareas esenciales en la producción industrial. Estos sistemas de visión
artificial aplicados a la robótica facilitan el dar solución en fases industriales tan
decisivas como los controles de calidad o la detección de productos defectuosos.
Es el momento de descubrir y valorar todo lo que los sistemas de visión artificial
pueden hacer para dar un paso más en la automatización industrial.
El ojo humano posee una lente llamada cristalino que es ajustable según la
distancia, un diafragma que se llama pupila cuyo diámetro está regulado por el iris
y un tejido sensible a la luz que es la retina.
La luz penetra a través de la pupila, atraviesa el cristalino y se proyecta sobre la
retina, donde se transforma gracias a unas células llamadas fotorreceptoras en
impulsos nerviosos que son trasladados a través del nervio óptico al cerebro.
La visión artificial industrial es una de las tecnologías que marca la diferencia en
ciertas tareas esenciales en la producción industrial.
7
Estos sistemas de visión artificial aplicados a la robótica facilitan el dar solución en
fases industriales tan decisivas como los controles de calidad o la detección de
productos defectuosos.
Es el momento de descubrir y valorar todo lo que los sistemas de visión artificial
pueden hacer para dar un paso más en la automatización industrial. En el siguiente
proyecto se aplicarán tres de los filtros vistos en clase utilizando el software imagej
y se procederá a comentarlo.
Análisis de Partículas” a través de Sistemas de Visión.
La visión artificial es un campo de la inteligencia artificial que permite la obtención,
procesamiento y análisis de información adquirida a través de imágenes digitales.
Así mismo, su aplicación permite automatizar tareas repetitivas de inspección,
realizar inspecciones sin contacto físico a gran velocidad reduciendo tiempos de
ciclo de los procesos. Un típico sistema de visión por computador consiste en un
dispositivo que refleja luz sobre una muestra en donde una imagen es obtenida y
finalmente es procesada e interpretada por un ordenador como se puede observar
en la figura.
Elementos Esenciales de un sistema de visión por Computado.
8
Imágenes digitales Una imagen es una matriz bidimensional de valores que
representan la intensidad de la luz. La imagen es por lo tanto una representación
discreta de una imagen real en el computador. Esta imagen está representada en
función de la intensidad de la luz.
Donde f es la intensidad del punto (x, y), y donde x y y representan las coordenadas
de un elemento de la imagen llamado píxel.
Referencia espacial del píxel (0,0) (Nat 1Instruments, 2009
Por convención, la referencia espacial de los píxeles con las coordenadas (0, 0) se
encuentra en la esquina superior izquierda de la imagen. Por lo tanto, el valor de x
aumenta de izquierda a derecha, y el valor y aumenta de arriba hacia abajo. Una
Imagen Digital tiene tres propiedades básicas: resolución, definición, y número de
planos.
Resolución Radiométrica: La definición de una imagen indica el número de tonos
que se pueden ver en la imagen. La profundidad de bits de una imagen es el número
de bits utilizados para codificar el valor de un píxel. Para una profundidad de bits
con base n, la imagen tiene una definición de la imagen de 2n, es decir, un píxel
puede tener 2n valores diferentes. Por ejemplo, si n es igual a 8 bits, un píxel puede
tener 256 valores diferentes que van desde 0 hasta 255 y así sucesivamente. La
forma en que se codifica la imagen depende de la naturaleza del dispositivo de
adquisición de imágenes, el tipo de procesamiento de imágenes que se utilizará y
el tipo de análisis que se desea realizar.
9
Esta etapa nuestros resultados han sido los plantados al inicio de practica lo cual se
basaba de una demostración para poder dar a detalle lo hecho en esta práctica, la
interpretación de la imagen es bueno para esta esta demostración la cual ha sido de
aprendizaje gracias a la explicación del maestro.
Imagen por utilizar.
Figura 1.2.2 Imagen Utilizada Ruido 1
Filtro 1: Ruido
Por medio de la opción de proceso y ruido podemos agregar ruido a nuestra imagen.
El resultado sería el siguiente. Con el propósito de mostrar los cambios en la imagen
proporcionada.
Figura 1.2.3 Filtro Ruido 1
10
El ruido digital es la variación aleatoria (que no se corresponde con la realidad) del
brillo o el color en las imágenes digitales producido por el dispositivo de entrada.
Está universalmente aceptado que, así como, en la imagen analógica el grano era
aceptable e incluso estético, en la fotografía digital el ruido es antiestético e
indeseable.
Filtro 2: Binarización
Por medio también de la pestaña de proceso, binario y hacer binario podemos darle
un filtro binarizado a nuestra imagen. El resultado es el siguiente el cual se muestra
en la siguiente figura.
Binarización 1
11
La binarización de una imagen consiste en un proceso de reducción de la
información de esta, en la que sólo persisten dos valores: verdadero y falso. En una
imagen digital, estos valores, verdadero y falso, pueden representarse por los
valores 0 y 1 o, más frecuentemente, por los colores negro (valor de gris 0) y blanco
(valor de gris 255). En el proceso y análisis de imagen, la binarización se emplea
para separar las regiones u objetos de interés en una imagen del resto. Las
imágenes binarias se usan en operaciones booleanas o lógicas para identificar
individualmente objetos de interés o para crear máscaras sobre regiones.
En muchos casos, una imagen binaria es el resultado de una segmentación por
niveles de gris o de una segmentación por selección de un rango de color
determinado. En otros casos, una imagen binaria es simplemente el resultado de
una selección interactiva de regiones de interés, las cuales se utilizarán como
máscaras de comparación o referencia.
Filtro 3 Fourier
El filtro de Fourier lo podemos encontrar también en proceso, FFT y seleccionando
de nuevo FFT. El resultado es el siguiente.
12
Conclusión
El desarrollo de algoritmos de inspección valiéndose del soporte de la visión artificial
requiere del uso de patrones que permitan la comparación de este mismo contra
una pieza bajo unos estándares definidos.
Sin embargo, este principio no fue aplicable para el desarrollo del prototipo de este
trabajo, pues al inspeccionar una fruta como la uchuva no hay un estándar de
medición debido a que características como la forma, el tamaño, entre otras varían
entre un fruto y otro, y fue necesario del empleo de otras alternativas de
procesamiento de imágenes para obtener el resultado esperado.
Para el desarrollo e implementación de un algoritmo de inspección es necesario un
estudio previo de las condiciones ambientales del lugar en el que se va a establecer,
debido a que factores como la configuración de la iluminación, apertura del lente,
distancia del lente al objeto de inspección, entre otros, deben ajustarse a las
características de ese ambiente para que el funcionamiento sea el esperado.
Bibliografía.
Mehrube Mehrubeoglu, L. M. (s.f.). Real-Time Eye Tracking Using a Smart Camera.
Texas: Texas A&M University-Corpus Christi, School of Engineering and Computing
Sciences.
Mondragón Bernal, I. F. (2013). Visión Industrial Inteligente: Aplicaciones a
Sistemas de Manufactura Flexible y Vehículos Guiados Autónomamente AGVs
(Proyecto de Investigación).
Pontificia Universidad Javeriana, Bogotá, Colombia. Montenegro, D. M., & Cedeño,
M. M. (2004). Plan exportador, logístico y de comercialización de uchuva a Estados
Unidos para FRUTEXPO (Tesis de pregrado).
Pontificia Universidad Javeriana, Bogotá, Colombia. Murillo, L. D., & Bogarín, R.
(2006). Propuesta metodológica para construir sistemas automatizados de
inspección visual industriales, con base en productos comerciales.
Tecnología en Marcha, Vol. 19, Núm. 2. National Instruments. (20 de Noviembre de
2009). National Instruments. Recuperado el 11 de Octubre de 2014, de National
Instruments: [Link].
