Aplicación de técnicas de clasificación no paramétricas y redes neuronales al control de calidad y selección de productos en sistemas de visión artificial.
RESUMEN El presente proyecto tiene como principal objetivo el desarrollo de técnicas de aprendizaje y clasificación automaticas para un sistema de control de calidad y calibración en líneas de producción. Un sistema de estas caracteristicas se encuentra integrado por diferentes modulos funcionales, entre los cuales debera jugar un papel fundamental aquel que se ocupe de definir las reglas de decision a partir de ciertas caracteristicas extraidas de los correspondientes productos a clasificar. Existen muchos trabajos de investigacion en torno a la clasificacisn automatica mediante tecnicas de vision artificial. Sin embargo, en algunos casos, estas investigaciones se centran basicamente en la problematica referente a la captura y el posterior analisis de las imagenes; en otros casos, estan exclusivamente encaminados a resolver ciertos problemas de clasificacion sobre una serie de productos muy concretos. Asi, en cuanto a la funcion de clasificacion propiamente dicha, el sistema de control de calidad, en general, se limita a establecer unos simples criterios heuristicos sobre los atributos de las imagenes capturadas; en consecuencia, no existe capacidad de autoaprendizaje por parte del propio sistema, ni tampoco garantia alguna de que dichas reglas sean las mas apropiadas para cada caso. Por tanto, las principales consecuencias de no utilizar mitodos de Inteligencia Artificial en las tareas de clasificacion se podrman resumir en los siguientes tres puntos:
La utilizacion de tecnicas de aprendizaje y clasificacion propias del
Reconocimiento Estadistico de Formas supone la posibilidad de definir un
sistema de control de calidad que permitiria adaptarse a diferentes
productos. Por otra parte, la simplicidad conceptual de los metodos que se
emplearan garantiza una rapida comprension de las reglas de clasificacion.
Ademas, permite la realizacion de un exhaustivo analisis comparativo en
cuanto a porcentaje de aciertos y coste temporal (cabe destacar que este
ultimo aspecto adquiere una especial relevancia cuando se esta pensando en
una aplicacion en tiempo real).
Sánchez JS **o autores, nombre publicacion,
revista o congreso o libro, ISBN, Volumen, No, año, paginas.
|