Clasificador automático de residuos sólidos (Cars)

Reconocimiento de señales de tráfico para un sistema de ayuda a la conducción 13 4 Teoría de clasificadores 4.1 Introducción Clasificar un objeto consiste en asignarlo a una de las clases disponibles. Los objetos se pueden definir por una serie de características, como pueden ser el color de sus píxeles, su textura o su tamaño. Para poder clasificar objetos es necesario definir las fronteras entre las diferentes clases. Normalmente estas fronteras se calculan mediante un proceso de entrenamiento en el que se usan las características de una serie de prototipos de ejemplo de las clases. Hablamos de fronteras por claridad, en general el clasificador infiere unas reglas de decisión durante el entrenamiento. Clasificar un objeto desconocido consiste en asignarlo a la clase en la cual las características usadas durante el entrenamiento tienen más correspondencia con las características del objeto. Se suele usar la clasificación frente a otras técnicas cuando los objetos tienen similitudes, pero sujetas a variaciones desconocidas. Si estas variaciones son muy pequeñas, existen otros métodos más sencillos para reconocer el objeto como por ejemplo el emparejamiento por plantilla (template matching). Los clasificadores se usan para: • Segmentación de imágenes (por color, textura, etc.) • Reconocimiento de objetos • Control de calidad • Detección de novedad (novelty detection), para detectar cambios o defectos en los objetos. • Reconocimiento óptico de caracteres (OCR, Optical Character Recognition) El proceso de clasificación, independientemente del tipo de clasificador seleccionado, consta de una serie de pasos: 1. Se reúnen muestras de objetos de clases conocidas. Se elige un juego de características (vector de características) apropiado y se calculan las características de los objetos de muestra (prototipos). 2. El conjunto de vectores de características se usa para entrenar el clasificador. Se calculan las fronteras entre las clases. 3. Se extraen las mismas características de los objetos desconocidos a clasificar. 4. El clasificador usa las fronteras calculadas durante el entrenamiento para decidir a qué clases pertenecen los vectores de características de los objetos que queremos reconocer.

A mi asesor de tesis Dr. Apolinar Muñoz por su conocimiento y experiencia y por su tiempo y ayuda en la realización de este trabajo, gracias a lo cual esta tesis tiene menos errores.

Nova Scientia, 2015

En este trabajo se presenta un nuevo modelo de clasificación de patrones, en modo supervisado, cuyo diseño y operación se basa en la función de Heaviside; este Clasificador de Heaviside es del tipo one shot, lo cual garantiza que el nuevo modelo carecerá de problemas de convergencia.Para lograr lo anterior, se proponen dos operaciones originales, llamadas L y C, en cuyo diseño interviene de manera relevante la función de Heaviside. La fase de aprendizaje de patrones del nuevo modelo está sustentada en la operación original L, mientras que la fase de clasificación de patrones descansa en la efectividad de la nueva operación C.Con objeto de fundamentar teóricamente el Clasificador de Heaviside, se enuncian y demuestran algunos lemas, teoremas y corolarios que exhiben propiedades relevantes de las nuevas operaciones, las cuales inciden directamente en el desempeño del nuevo modelo.En pruebas experimentales preliminares, cuyos resultados se incluyen en el presente artículo, se ha aplica...

Resumen: Un alto porcentaje de usuarios de vehículos automáticos, han sufrido fallas por la descarga del acumulador, provocadas al dejar luces encendidas exteriores e interiores y estéreo, por ello la importancia de desarrollar el proyecto de encendido automático que consiste en agregar un dispositivo electrónico el cual se divide en tres fases(detección, control y alarma). Cuando se detecte el bajo voltaje de la fuente de poder de su automóvil, este será capaz de llamar nuestra atención mediante una notificación de voz y encender el automóvil automáticamente por un determinado tiempo, esto con la finalidad de recargar la batería del vehículo.

2010

El presente trabajo se basa en lo aprendido en el seminario de graduación llamado "Robots Manipuladores", utilizando como herramienta principal el brazo robot Scorbot-ER 4u, el cual ha sido utilizado para simular una de las labores más utilizadas en la industria, en este caso hemos hecho un clasificador por tamaño, en la que el brazo robot recoge la esfera y trata de colocar en el lugar correspondiente. Y para su implementación utilizamos varios recursos de hardware como: el brazo robot Scorbot-ER 4u, el controlador USB y la banda transportadora; y recursos de software como: Scorbase, el cual sirve para maniobra el brazo robot, también utilizamos Robotcell, ya que este programa tiene como objetivo maniobrar el brazo robot de manera virtual, para evitar errores fatales mientras utilizamos el Scorbase. Esta tesina se divide básicamente en dos capítulos: 1. El primer capítulo nos habla del problema que se planteó al inicio y durante la elaboración de nuestro proyecto, y además nos expone los elementos que intervienen. 2. El segundo capítulo hablaremos de la solución al problema que se estableció a inicio de la elaboración del proyecto. En otras palabras, este trabajo presenta una solución y los problemas que resolvimos en su desarrollo.

Clasificador de carga de altura por sensor infrarrojo, con un motor con control proporcional de velocidad.

El presente trabajo muestra el diseño de un sistema electrónico de frenado automático a base de sensores, con el objetivo de aumentar la seguridad de los tripulantes y disminuir el número de accidentes de tránsito. Dicho sistema se proyectará como una ayuda al conductor en situaciones donde la condición humana no es favorable a la toma de decisiones rápidas. La funcionalidad de este sistema es la actuación independiente del automóvil frente a situaciones imprevistas y, dependientemente de la velocidad registrada el instante del reconocimiento de esta, se aplicará un frenado adecuado con la finalidad de evitar la colisión. Para lograr esto se utilizarán sensores de proximidad, velocidad y sensorial, los cuales se encargarán de producir un diferencial de voltaje. La diferencia de potencial tendrá su paso por un microcontrolador que recalibrará esta señal de medición. Finalmente, la nueva información será ingresada a un software, el cuál interpretará dicha señal y mandará la orden de frenado. El desarrollo del informe ha sido centrado en la parte analógica de este proyecto, cuya función es la medición y recalibración de las señales expresadas en diferencial de voltaje. La parte correspondiente al software será mencionada de manera adicional, más no será profundizada por razones del áreas de interés.

2017

Este documento describe un sistema de recoleccion y clasificacion de basura para una Ciudad Inteligente. La recoleccion de basura tradicional esta basada en horarios y rutas pre-establecidas, independientemente del nivel real de basura en el conjunto de contenedores. Esto se traduce en gastos innecesarios para los servicios municipales de recoleccion de basura porque podrian visitar lugares donde los contenedores no estan llenos, lo que resulta en una perdida de tiempo, combustible, entre otros costos. Teniendo en cuenta el tipo de residuo durante la recoleccion, podria crear oportunidades adicionales, como facilitar la reutilizacion de los desechos. En el presente articulo, se explica el uso de contenedores equipados con sensores que miden el nivel de llenado y el envio de esta informacion de forma inalambrica a un servidor en la nube de Internet, ademas de un sistema de llenado especifico de contenedores, que permite la diferenciacion entre los tipos de materiales de desecho. Adem...

2009

En la elaboración de esta tesis recibí apoyo de muchas personas que no alcanzaría a mencionar en tan poco espacio.