Post on 20-Feb-2018
7/24/2019 Ejemplo Reporte Proyecto
1/22
UNIVERSIDAD AUTONOMA DE CIUDAD JUAREZ
Instituto de Ingeniera y Tecnologa
Departamento de Ingeniera Elctrica y Computacin
PROYECTO DE TITULCIO!
Implementacin de un Sistema de Visin Utilizando las Herramientasde NI Vision Acquisition Software y NI Vision Development odule!
"resentado por#
$icardo Vazquez Avila
"ara la o%tencin del t&tulo de In'eniero en sistemas di'itales y comunicaciones
Asesorado por#()( *rancisco +nr&quez
)iudad ,u-rez. Noviem%re del /012
7/24/2019 Ejemplo Reporte Proyecto
2/22
A'radecimientos
Agradezco a mis padres que me guiaron durante mis estudios bsicos e hicieron
posible llegar a la universidad, a mis maestros de ingeniera que me proporcionaron los
conocimientos necesarios para llevar a cabo este proyecto y que me han servido en mi
vida laboral, a mi esposa y mi suegra que me alentaron para seguir adelante en esos
momentos difciles y a Dios por ponerlas en mi vida.
7/24/2019 Ejemplo Reporte Proyecto
3/22
$esumen
El presente documento detalla paso a paso la elaboracin de un sistema de visin
en abvie! mediante el uso de las herramientas "A# $"ision Acquisition #oft!are% y
"D& $"ision Development &odule% de 'ational (nstruments combinadas con las
estructuras de datos y dems funciones vistas en el diplomado, con "A# aplicaremos
las "( para programar la adquisicin de una imagen por medio de una !ebcam gracias
a los drivers contenidos en el paquete de '( (&A)d* que permite utilizar todo tipo de
dispositivos de adquisicin de imgenes que utilizan los siguientes busses y
estndares+ ige $igabit ethernet%, fire!ire (EEE -/0,1#2 3.4 y .4, finalmente por
medio de "D& definiremos regiones de inspeccin con las que se pueden llevar acabo
cualquiera de las siguientes operaciones+ reconocimiento de patrones, e*traccin y
reconocimiento de colores, reconocimiento de caracteres y lectura de cdigos de
barras, se estudiaran todas las anteriores pero se dar mayor enfoque a la creacin de
regiones de inspeccin, leer cdigos de barras -D y generar archivos de E*cel para
registrar las fallas que encuentre durante la inspeccin.
7/24/2019 Ejemplo Reporte Proyecto
4/22
2
ndice general
5aptulo -""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" #
(ntroduccin""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""#
-.- 5onte*to.""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""#
-.3 6lanteamiento del 6roblema."""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""#
-. 7b8etivo."""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""$
-.0 Alcances y Delimitaciones."""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""$
-.9 :ustificacin.""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""$
5aptulo 3""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" %
&arco ;erico""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" %
3.- a "isin.""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""%3.3 a (magen y sus 6ropiedades."""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""%
3.
7/24/2019 Ejemplo Reporte Proyecto
5/22
>ig. - David &arr."""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""&)
>ig. 3 ?illem Einthoven, 6ionero de la Electrocardiografa.""""""""""""""""""""""""""""""""""""""""""""""""
>ig. >ormas de onda obtenidas por A.D. ?aller $parte superior%@ ondas obtenidas por
Einthoven con su Electrmetro 5apilar &e8orado $parte media%@ trazo electrocardiogrfico credo
por el galvanmetro $parte inferior%.""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""&$
>ig. 0 alvanmetro de cuerda de Einthoven, del artculo e telecardiogrammeB en -/4C. """"&%>ig. 9 Electrocardigrafo >11DA 5ardi &a* >FG343.""""""""""""""""""""""""""""""""""""""""""""""""""""'&
>ig. 9- 1nidad de 6ierna Derecha propuesta por el fabricante 2urrF2ro!n."""""""""""""""""""""""""#)
>ig. 93 5ircuito final para la adquisicin de seHales Electrocardiogrficas.""""""""""""""""""""""""""##
>ig. 9 5one*in del electrocardigrafo.""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""#$
>ig. 90 6rimera seHal adquirida con el Electrocardigrafo.""""""""""""""""""""""""""""""""""""""""""""""""#%
>ig. 99 #egunda prueba e8ercida en un paciente del se*o femenino.""""""""""""""""""""""""""""""""""#+
>ig. 9C 6rimer circuito electrnico implementado.""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""#+
>ig. 9G #eHal 2ioelIctrica adquirida durante la prueba nJmero tres."""""""""""""""""""""""""""""""""""$*
>ig. 9K #eHal adquirida con las me8oras implementadas.""""""""""""""""""""""""""""""""""""""""""""""""""$&
>ig. 9/ #eHal adquirida utilizando la 1nidad de 6ierna Derecha.""""""""""""""""""""""""""""""""""""""""$&>ig. C4 5ircuito final para la adquisicin de seHales Electrocardiogrficas.""""""""""""""""""""""""""$'
>ig. C- #istema de Adquisicin de #eHales Electrocardiogrficas.""""""""""""""""""""""""""""""""""""""$'
)ap&tulo 1
Introduccin
1(1 )onte3to(
A lo largo del tiempo el hombre ha dedicado gran porcenta8e de su vida a la invencin y
desarrollo de tecnologas que le permitan llevar a cabo sus actividades laborales de
una manera ms rpida y confiable, lo que nos ha llevado a la automatizacin de los
procesos de produccin, con los cuales se pueden realizar actividades de ensamble e
7/24/2019 Ejemplo Reporte Proyecto
6/22
2
inspeccin de componentes, estos sistemas aseguran la calidad de los productos y
facilitan la investigacin de fallas ya que generan reportes en tiempo real y almacenan
imgenes de la falla encontrada permitiendo al ingeniero consultar esta informacin al
instante que as lo requiera, para identificar si la falla fue humana, mecnica o por
incumplimiento de las especificaciones de un componente, actualmente la industria
mIdica est buscando automatizar sus procesos de inspeccin por lo que estn
implementando sistemas de visin para reducir el contacto fsico con el producto
asegurando que este sea ms fcil de esterilizar, facilitar la inspeccin donde hay una
gran cantidad de familias de producto, reducir el tiempo de ciclo y as aumentar la
capacidad de las lneas de produccin.
1(/ "lanteamiento del "ro%lema(
En la industria medica el etiquetado es crtico, ya que si un producto est mal
etiquetado puede ocasionar graves lesiones y hasta la muerte de un paciente, el
etiquetado de estos productos consta de una etiqueta interna que va adherida a la
bolsa del producto y la etiqueta e*terna que va adherida a la ca8a, durante el flu8o del
proceso e*iste el riesgo de una mezcla.
1(4 5%6etivo(
(mplementar un sistema de visin de ba8o costo en abvie!, que sea capaz de adquirir
una imagen, permita crear regiones de inspeccin, leer cdigos de barras -D y genere
un archivo de E*cel para registrar las fallas que encuentre durante la inspeccin.
1(7 Alcances y Delimitaciones(
El sistema de visin ser capaz Jnicamente de leer cdigos de barras -D y generara
un archivo de E*cel para registrar las fallas que se encuentren durante la inspeccin.
7/24/2019 Ejemplo Reporte Proyecto
7/22
1(2 ,ustificacin(
Dado que los dispositivos son de cuidados crticos es de vital importancia que
tengan la me8or calidad y al paciente le llegue el producto final de acuerdo a sus
necesidades por lo que debe estar perfectamente identificado, la me8or opcin es un
sistema de visin, anteriormente se ha traba8ado con el soft!are (nFsight de 5ogne*
para la programacin de los sistemas pero estos sistemas resultan demasiado
costosos por lo que se e*perimentara con la creacin de un sistema de visin para
inspeccin de etiquetas hecho con una cmara !eb y abvie!, actualmente la
inspeccin es llevada a cabo por una persona y se han reportado varias fallas en las
inspecciones, el sistema contara con la opcin de registrar las fallas en una ho8a de
E*cel esto ser de gran utilidad para futuras investigaciones adems se estara en
cumplimiento con la regulacin de la >DA F 3- 5>= $5ode of >ederal =egulations% 6art
--, esta regulacin requiere que se implementen controles, Auditorias y validaciones a
sistemas involucrados en el procesamiento de datos, tambiIn requiere la retencin de
registros y por Jltimo elimina el contacto fsico con el producto que facilita su
esterilizacin.
)ap&tulo /
arco 8erico
/(1 9a Visin(a visin es la capacidad de interpretar todo lo que nos rodea gracias a los rayos de luz
que pasan por los o8os que son sensibles a ondas de radiacin electromagnItica de
longitudes especficas, estas ondas se registran como la sensacin de la luz quecuando penetra en el o8o, pasa a travIs de la crnea, la pupila y el cristalino, y llega por
Jltimo a la retina, donde la energa electromagnItica de la luz se convierte en impulsos
nerviosos que pueden ser utilizados por el cerebro donde tiene lugar el complicado
proceso de la percepcin visual gracias al cual somos capaces de percibir la forma de
los ob8etos, identificar distancias, detectar los colores y el movimiento.
7/24/2019 Ejemplo Reporte Proyecto
8/22
2
a visin es uno de los sentidos ms importantes para los seres humanos, ya que por
medio de ella se obtiene informacin visual de su entorno fsico, el significado que
Aristteles le dio a la visin es saber que hay y donde mediante la vistaB, pero la
definicin ms acertada de lo que es la visin es la del neurofisiologo 2ritnico David
&arr que dice la visin es la capacidad para procesar informacin del entorno obtener
un significado y comprender lo que se ve mediante el sistema visualB, de acuerdo al
libro 5omputer visin de inda . #hapiro se estima que ms del G4 L de las tareas
del cerebro estn enfocadas en el anlisis de la informacin visual, las personas
resuelven varios problemas visuales sin ningJn esfuerzo, sin embargo la mayora tiene
poco entendimiento analtico de la visin cognitiva como un proceso.
/(/ 9a Ima'en Di'ital y sus "ropiedades(Ma que nos interesan los sistemas de visin y estos captan imgenes para despuIs
procesarlas y obtener resultados es necesario repasar lo que es una imagen y algunasde las propiedades que hay que considerar para la configuracin del sistema.
1na imagen digital es una matriz de nJmeros enteros positivos, en la que los
subndices $fila y columna% de cada elemento indican la localizacin del punto en la
imagen. M los valores de los elementos representan el nivel de gris, el cual indica la
intensidad luminosa en un determinado punto de la imagen.
E*isten 3 tipos de imgenes la vectorial y el mapa de bits, sin embargo se dar mayor
enfoque al mapa de bits ya que las decisiones de los sistemas de visin se basan en el
anlisis de pi*eles.
/(/(1 Ima'en vectorial
#on representaciones de entidades geomItricas tales como crculos, rectngulos o
segmentos. Estn representadas por frmulas matemticas $un rectngulo est
definido por dos puntos@ un crculo, por un centro y un radio@ una curva, por varios
puntos y una ecuacin%. El procesador NtraducirN estas formas en informacin que la
tar8eta grfica pueda interpretar, son ideales para cartelera, diseHo de envases, imagen
corporativa, logotipos etc., es decir en todas aquellas situaciones en las que una misma
imagen, hecha con una gama reducida de tintas planas, debe ser reproducida en
distintos soportes y a distintos tamaHos.
/(/(/ apa de %its
7/24/2019 Ejemplo Reporte Proyecto
9/22
#on imgenes que estn formadas por un con8unto de puntos $p*eles% contenidos en
una tabla. 5ada uno de estos puntos tiene un valor o ms que describe su color. Este
tipo de imagen es perfecta cuando la ama de colores cambia sutilmente, en este
caso, la imagen debe generarse teniendo muy en cuenta dnde y cmo va a mostrarse,
con una cantidad de p*eles y una gama de colores adaptados al soporte en el que va
a reproducirse.
/(/(4 "ropiedades de la ima'en
Es necesario conocer las propiedades de una imagen ya que en base a eso se realiza
la configuracin del sistema de visin, a continuacin se listan algunas de estas
propiedades+
$esolucin de una ima'en#a resolucin de una imagen es la cantidad de
p*eles que la componen, cuanto mayor es la resolucin de una imagen ms
calidad tendr su presentacin.
$esolucin del monitor#a resolucin del monitor determina el tamaHo con el
que se muestra la imagen en la pantalla, pero el tamaHo de la imagen en la
pantalla no debe confundirse ni con la resolucin de la imagen ni con sus
dimensiones.
Dimensiones de la ima'en#as dimensiones de una imagen se e*presan,
como es habitual, en cm o mm,para calcular el tamaHo de una imagen en
p*eles basta con multiplicar las dimensiones lineales, en centmetros.
"rofundidad de color#Es el nJmero de bits utilizados para describir el color de
cada pi*el de la imagen, cuanto mayor sea la profundidad de color de una
imagen, ms colores tendr la paleta disponible y, por tanto, la representacin
de la realidad podr hacerse con ms matices, con colores ms sutiles.
#i tuviIramos un solo bit para describir el color de cada pi*el, solo tendramos 3
colores cuando el bit sea 4 el color ser negro y cuando el bit sea - el color ser
blanco tal como se muestra en la >igura -.
7/24/2019 Ejemplo Reporte Proyecto
10/22
2
*i'ura 1 ima'en %inaria utiliza un solo %it para descri%ir el color de sus pi3eles
Ahora si utilizamos K bits podremos describir hasta 39C colores por pi*el lo que
nos da una profundidad de color suficiente para una imagen en escala de grisesya que cada pi*el puede adoptar un tono entre 39C valores posibles de gris,
entre el negro absoluto $44444444% y el blanco absoluto $--------%.
*i'ura / escala de 'rises : %its *i'ura 4 ima'en en escala de 'rises
6ara una imagen de color inde*ado se requieren K bits se utiliza una tabla con los 39C
colores ms frecuentes que tambiIn incluyan el blanco, negro y varios tonos de gris,
en la siguiente tabla se muestra el clculo de colores para cada profundidad.
Profundidad Colores
1 bit 2
4 bit 16
7/24/2019 Ejemplo Reporte Proyecto
11/22
8 bit 256
16 bit 65536
32 bit 4294967296
*ormato ,";# Es un formato de compresin con pIrdidas, pero que desecha en
primer lugar la informacin no visible, por lo que las pIrdidas apenas se notan,
este formato permite traba8ar con modos en escala de grises con una
profundidad de K bits y en color hasta 30 bits.
HS#Es la longitud de onda dominante en la luz emitida o refle8ada por
un ob8eto.
Saturacin#Es la propiedad que describe la viveza del color. 1n color muy
saturado es un color con una tonalidad intensa y pura. 6or el contrario, un color
poco saturado es el que tiene una tonalidad apagada.
9uminosidad# a luminosidad describe la cantidad de luz refle8ada.
$;
7/24/2019 Ejemplo Reporte Proyecto
12/22
2
*i'ura 7 ima'en prerrenacentista vs ima'en renacentista
>ilippo 2runeleschi inventa la perspectiva en el renacimiento, es a partir de esta Ipoca
cuando se empieza a considerar el punto de fuga, punto donde convergen las rectas
paralelas que se ale8an del observador. Adems, los diferentes tamaHos de los ob8etos
responden a la importancia de los mismos dentro de la obra, en lugar de a su situacin
en el espacio.
En el aHo -909 se presenta la cmara oscura, que funcionaba de8ando entrar la luz por
un orificio muy pequeHo hecho en una de las paredes de la cmara oscura y est
proyectaba en una pared interior la imagen, la imagen proyectada era una imagen
invertida del mundo e*terior.
En el aHo -K3C, utilizando una cmara oscura y una superficie fotosensible, el qumico
francIs 'iepce toma la primera fotografa, doce aHos ms tarde el mItodo fue
perfeccionado por Daguerre que llevo a cabo el primer proceso fotogrfico prctico,
utilizando una placa fotogrfica que era revelada con vapor de mercurio y fi8ada con
trisulfato de sodio.
En los inicios de la computacin era complicado procesar incluso con8untos
moderadamente grandes de datos de imagen. >ue hasta finales de -/G4 que emergi
un estudio ms concentrado de dicho campo.
En la actualidad la mayor parte de las aplicaciones prcticas que usan visin artificial
utilizan mItodos basados en aprendiza8e.
/(7 David arr y 8omaso "io''io(
El libro escrito por David &arr en colaboracin con ;omaso 6oggio ambos miembros de5#A( $Computer Science and Artificial Intelligence Laboratory% de &(;, Vision. A
Computational Investigation into the Human Representation and rocessing of Visual
InformationB, fue publicado en -/K3 y se considera que este libro dio inicio al campo de
la neurociencia computacional, en este libro David &arr trata a la visin como un
sistema de procesamiento de informacin, Il y ;omaso 6ioggio promovieron la idea de
que hay que entender los sistemas de procesamiento de informacin en tres niveles
7/24/2019 Ejemplo Reporte Proyecto
13/22
complementarios de anlisis, esta idea es conocida en el rea de la ciencia cognitiva
como la hiptesis de los niveles de &arr que son+
Nivel computacional#1na teora computacional de la visin que pretenda
e*traer las propiedades de los ob8etos a partir de las imgenes debe de
clarificar+ O5ul es su funcin y por quI lo haceP, A la pregunta de quI funcincumple, &arr responde+ transformar entradas $inputs% en forma de imgenes y
en salidas $outputs% la descripcin de la imagen.
Nivel de representacin al'or&tmica#esto es, que formato se presenta cada
una de las entidades significativas. &arr responde a esta cuestin que el clculo
se produce mediante procesos y representaciones, los cuales deben ser
especificados.
Nivel de implementacin f&sica#Este nivel seHalar el alcance y los lmites, es
decir, las restricciones, del soporte fsico en el que se lleva a cabo elprocesamiento.
#egJn la ;eora de la visin de David &arr el procesamiento se realiza a travIs de dos
etapas sucesivas y slo en la segunda etapa intervienen los sistemas de conocimiento
$memoria, razonamiento, etc.%. Estas son+
"rocesamiento inicial o temprano# consiste en hacer 3 bosque8os que intentan
recuperar las propiedades fsicas de una escena FD visible a partir de la matriz
de intensidades de luminancia de la imagen digitalizada, en el primer bosque8o
consiste en lograr una descripcin constituida por un amplio nJmero decaractersticas $lneas, bordes, manchas, etc.% el bosque8o 3FD agrupa los
elementos del bosque8o primario a fin de descubrir las propiedades de las
superficies que forman la imagen o escena.
*i'ura 2 %osque6o /?D de dos cilindros acoplados
7/24/2019 Ejemplo Reporte Proyecto
14/22
2
"rocesamiento tard&o#transforma el bosque8o 3FD en una representacin
identificable del ob8eto y sus partes constitutivas. El ob8etivo de esta etapa es la
obtencin de un modelo FD de la imagen bidimensional original, haciendo uso
del procesamiento de alto nivel.
*i'ura @ $epresentacin 4?D de una fi'ura umana
a obra de &arr desarrollada entre -/GFK4 asume la metfora computacional $menteF
ordenador% hasta el e*tremo de diseHar un modelo de visin computacional que opere
segJn los procedimientos utilizados por el sistema visual humano y aborda los
problemas relativos a la percepcin, desde una perspectiva interdisciplinaria, que
considera tanto las aportaciones de la neurofisiologa y psicologa como los algoritmos
computacionales, integrando sus hallazgos en un modelo de la percepcin visual.
*i'ura B David arr y 8omaso "o''io
;ras la muerte de David &arr en -/K4, ;omaso 6ioggio agrego un nivel superior al nivel
computacional este es el nivel de aprendiza8e $earning% para crear mquinas que vean
y aprendan sin tener que ser programadas, para ;omaso 6oggio la inteligencia significa
la habilidad para aprender generalizando de e8emplos especficos, un e8emplo es un
7/24/2019 Ejemplo Reporte Proyecto
15/22
bebe reciIn nacido que no conoce nada de su entorno visual sin embargo el aprende a
reconocer miles de ob8etos a su alrededor y para lograr esto el debe aprender de
algunos e8emplos especficos para reconocer categoras generales como animales,
vehculos o casas.
os intentos tempranos de construir un sistema de visin no tuvieron I*ito perosirvieron para enfatizar lo difcil que es esta tarea, as que 6oggio opto por buscar las
respuestas en el cerebro que es conocido por decodificar la informacin visual de una
manera escalonada, la informacin es entregada a travIs de los o8os a diferente reas
del cerebro cada una procesa la informacin antes de entregarla a la siguiente etapa.
6oggio en colaboracin con :ames Dicarlo simularon el proceso en una computadora
utilizando modelos de redes neuronales basadas en las propiedades conocidas de las
redes neuronales de los humanos, la simulacin fue un I*ito, despuIs de que la
computadora fue entrenada con una serie de imgenes que mostraban paisa8es con o
sin animales, aprendi a reconocer la presencia de animales con una precisin similara la de un humano la computadora cometi los mismos errores que un humano
cometera.
/(7(1 Aprendiza6e computacional(os cientficos y escritores de ciencia ficcin se han fascinados con la posibilidad de
construir maquinas inteligentes y la capacidad de entender el mundo visual que es un
prerrequisito que muchos requeriran para una mquina de este tipo, Alan ;uring uno
de los padres de la computadora digital y de la inteligencia artificial crea que una
computadora digital lograra ser inteligente y tendra la habilidad de entender escenas,pero estas metas han sido difciles de alcanzar y hasta -/K4 la ingeniera no haba
podido igualar a la imaginacin, no obstante gracias al traba8o de ;omaso 6oggio ha
habido progresos en algunas lneas de investigacin.
;al es el caso del aprendiza8e computacional que es un campo de la ciencia de
computadoras que evoluciono del reconocimiento de patrones y que se enfoca al
diseHo de algoritmos que pueden aprender de los datos de entrada y hacer
predicciones o tomar decisiones, en lugar de seguir instrucciones de un programa.
as tareas del aprendiza8e computacional se clasifican en tipos que dependen de lanaturaleza de la seHal recibida o su retroalimentacin estos son+
Aprendiza6e supervisado# en este caso el sistema es entrenado por un
instructor que le proporciona datos de entradas de e8emplo y el propsito que el
sistema genere una regla general para sus datos de entrada y salida.
7/24/2019 Ejemplo Reporte Proyecto
16/22
2
Aprendiza6e no supervisado# al sistema no se le proporciona ningJn e8emplo,
se le de8a que el solo encuentre una estructura en sus datos de entrada.
Aprendiza6e reforzado+ se le ensena por medio de la e*periencia, por e8emplo
aprender un 8uego al practicar con un oponente.
En la actualidad los sistemas de visin utilizados en la industria maquiladora se basan
en su gran mayora en modelos de aprendiza8e supervisado, esto debido a la
fle*ibilidad que esos algoritmos dan para re entrenar al sistema cada vez que se quiera
inspeccionar una nueva caracterstica del producto.
/(2 9a visin por computadora(Es una disciplina cientfica derivada de la inteligencia artificial apoyada en las teoras
de &arr y 6oggio, teniendo en cuenta que la inteligencia de acuerdo a la teora de
aprendiza8e de 6oggio es la habilidad de aprender generalizando de e8emplos
especficos.
a visin computacional incluye mItodos para adquirir, procesar, analizar y comprender
las imgenes del mundo real para producir informacin numIrica o simblica que
pueda ser utilizada por una computadora, permite la deteccin automtica de la
estructura y propiedades de un posible mundo dinmico en dimensiones a partir de
una o varias imgenes bidimensionales del mundo 8usto como el procesamiento
primario de &arr lo indica. as imgenes son digitales cuya resolucin estndar se
considera que es de 9-3*0K0 pi*eles pueden ser monocromticas o a color, puedenser capturadas por una o varias cmaras, y cada cmara puede ser estacionaria o
mvil.
a visin artificial aplicada a la industrial abarca la computacin, la ptica, la ingeniera
mecnica y la automatizacin industrial. A diferencia de la visin artificial acadImica,
que se centra principalmente en mquinas basadas en el procesamiento de imgenes,
las aplicaciones de visin artificial industrial integran sistemas de captura de imgenes
digitales, dispositivos de entradaQsalida y redes de ordenador para el control de equipos
destinados a la fabricacin tales como brazos robticos. os sistemas de visin artificial
se destinan a realizar inspecciones visuales que requieren alta velocidad, granaumento, funcionamiento las 30 horas del da o la repetitividad de las medidas.
A continuacin se muestra el diagrama de bloques de un sistema de visin
7/24/2019 Ejemplo Reporte Proyecto
17/22
*i'ura : Dia'rama de %loques de un sistema de visin
dulo de di'italizacin#5onvierte la seHal analgica proporcionada por la
cmara a una seHal digital $para su posterior procesamiento%.
emoria de ima'en#Almacena la seHal procedente del mdulo de
digitalizacin.
dulo de visualizacin+ 5onvierte la seHal digital residente en memoria, en
seHal de vdeo analgica para poder ser visualizada en el monitor de ;".
"rocesador de ima'en+ 6rocesa e interpreta las imgenes captadas por la
cmara.
dulo de entradasCsalidas+ estiona la entrada de sincronismo de captacin
de imagen y las salidas de control que actJan sobre dispositivos e*ternos en
funcin del resultado de la inspeccin.
)omunicaciones#"a (Q7, =#F33, 1#2 3.4, 1#2 .4, ige, etc.
En la figura / se muestran las etapas de una aplicacin de visin computacional
7/24/2019 Ejemplo Reporte Proyecto
18/22
2
*i'ura +tapas de una aplicacin de visin computacional
Adquisicin de la ima'en# Es la construccin del sistema de formacin de las
imgenes, #u ob8etivo es realzar las caractersticas visuales de los ob8etos$formas, te*turas, colores, sombras,...%. El I*ito de muchas aplicaciones
depende de un buen diseHo en esta primera etapa.
"rocesamiento de la ima'en#El ob8etivo es me8orar la calidad informativa de laimagen adquirida. #e incluyen operaciones de me8ora de la relacin seHalFruido
$denoising%, #'=, de atenuar las imperfecciones de la adquisicin debido a la
funcin de transferencia del sistema de captacin de imgenes $deconvolution%,
de regularizar la imagen, de me8orar el contraste o de optimizar la distribucin de
la intensidad $enhancement% o de realzar algunas caractersticas de la imagen,como bordes o reas.
Se'mentacin#En esta fase se divide la imagen en reas con significado, setrata de decidir quI partes de la imagen necesitan interpretacin o anlisis y
cules no analizar, e*isten varias tIcnicas+ umbralizaciones, discontinuidades,
crecimiento de regiones, uso del color o de movimiento etc.
$epresentacin y Descripcin#1na vez dividida la imagen en zonas concaractersticas de ms alto nivel se pasar a su e*traccin de las caractersticas.
$econocimiento e interpretacin#1na vez que la imagen ha sido
satisfactoriamente segmentada y han sido e*tradas las caractersticas, el
procesador puede hacer una serie de pruebas y mediciones en los elementos de
interIs que aparecen en la escena.
7/24/2019 Ejemplo Reporte Proyecto
19/22
5aptulo
etodolo'&a
El mItodo que se plantea consiste primeramente en conocer las caractersticas de la
seHal Electrocardiogrfica, despuIs, e*traer informacin Jtil que pueda servir para
diseHar el circuito electrnico. a siguiente fase es proponer un diseHo para poder
generar un prototipo. 1na vez definido el diseHo, se pretende construir el prototipo
utilizando una tablilla de e*perimentos electrnicos. Ma que se obtenga el prototipo ser
necesario realizar pruebas y para ello se e*perimentar en personas para adquirir una
seHal Electrocardiogrfica real. 6or Jltimo, al obtener resultados satisfactorios, se
proceder a construir el circuito electrnico en una tablilla y realizarn pruebas de
nuevo.
7/24/2019 Ejemplo Reporte Proyecto
20/22
2
4(1 5ndas y )omple6os "E$S8U. Intervalos y Se'mentos(
a onda de despolarizacin inicia en el ndulo sinusal y se dispersa hacia ambas
aurculas a travIs de las vas internodales y ambas aurculas se despolarizan. a
despolarizacin auricular est representada por la onda 6. as ondas 6 regularmente
son hacia arriba y levemente redondas.
*i'ura 4(1 Despolarizacin auricular(
7/24/2019 Ejemplo Reporte Proyecto
21/22
)ap&tulo 7
"rue%as y $esultados
7(1 "rocedimiento(
El procedimiento para la adquisicin de la seHal Electrocardiogrfica fue basado
en la primera derivacin de Einthoven $brazo izquierdo menos brazo derecho% de modo
que slo es posible adquirir un Electrocardiograma para propsitos de monitoreo. os
electrodos se colocaron en la parte de la muHeca del cuerpo@ un electrodo en el brazo
derecho y un electrodo en el brazo izquierdo. Adems, se conect un tercer electrodoen la pierna derecha para tomarla como referencia para el amplificador de
instrumentacin ('A-3K6.
)ap&tulo 2
)onclusiones
2(1 )onclusiones(
7/24/2019 Ejemplo Reporte Proyecto
22/22
2
DespuIs de las pruebas realizadas y de haber obtenido seHales electrocardiogrficas
con todas sus caractersticas para fines de monitoreo, se puede afirmar que se lograron
los
En la actualidad los sistemas de ,isin utili-ados en la industria ma.uiladora
se /asan en su gran mayora en modelos de aprendi-a0e super,isado1 esto
de/ido a la 2e3i/ilidad .ue esos algoritmos dan para re entrenar al sistema
cada ,e- .ue se .uiera inspeccionar una nue,a caracterstica del producto"
$eferencias
R-S David &arr, ;omaso 6oggio, #himon 1llman,Vision, A computational Investigation Into
the Human Representation and Processing of Visual Information. &(; 6ress,
&assachusetts $34-4%,(#2'+ /GK43C39-0C34.
R3S