Adquisición y reconocimiento de imágenes por medio de técnicas de visión e inteligencia artificial

Authors

  • Diana Carolina Ramírez González Ingeniera Electrónica, Universidad Escuela Colombiana de Ingeniería Julio Garavito Bogotá
  • Guillermo Pulido Sarmiento Ingeniero Electrónico, Universidad Escuela Colombiana de Ingeniería Julio Garavito Bogotá
  • Beatriz Gerardino Arévalo Ingeniera Electrónica, Universidad Escuela Colombiana de Ingeniería Julio Garavito Bogotá
  • José Manuel Cruz Romero Ingeniero Electrónico, Universidad Escuela Colombiana de Ingeniería Julio Garavito Bogotá
  • Enrique Estupiñán Escalante MSc. Profesor de la Universidad Escuela Colombiana de Ingeniería Julio Garavito. Bogota
  • Sandra Cancino Suárez MSc. Profesor de la Universidad Escuela Colombiana de Ingeniería Julio Garavito. Bogotá

DOI:

https://doi.org/10.15332/iteckne.v6i1.290

Keywords:

Backpropagation, Filtro Robberts, Filtro Mediana, Filtro Alfa Trimmed, Lógica Difusa, Procesamientode Imágenes, Red Neuronal, Controlador Difuso (FLC), Pixeles.

Abstract

Este proyecto presenta un sistema que permite reconocer diferentes figuras geométricas, que se encuentran en una banda transportadora. Para el posicionamiento de la banda transportadora se utiliza la técnica de lógica difusa. El control de posicionamiento presenta un error aceptable debido a los protocolos de comunicaciones usados. El reconocimiento de imágenes se realiza a través de técnicas de Visión Artificial y Redes Neuronales.
El sistema de reconocimiento de imágenes consta de tres etapas: adquisición de imágenes digitales a color, procesamiento de imágenes y extracción de las diferentes características de las imágenes e identificación de la figura geométrica. Este sistema puede diferenciar siete formas geométricas (círculo, cuadrado, triángulo, rectángulo, elipse, rombo, estrella de cinco puntas), doce colores (Rojo, rojo claro, rojo oscuro, azul, azul claro, azul oscuro, azul lila, verde, verde claro, verde oscuro, amarillo, amarillo quemado) y tres tamaños (grande, mediano, pequeño). El tratamiento de las imágenes de las figuras requiere técnicas diversas para la identificación de forma como: métrica y diferencia entre ejes principales. Estas características de las imágenes son usadas en la etapa de identificación de las figuras por medio de las técnicas clásicas de visión artificial y a su vez conforma los vectores de entrada a las redes neuronales.
Con los resultados obtenidos se comparan las técnicas de visión artificial y redes neuronales, con el fin de determinar qué herramienta presenta un mejor desempeño en el problema planteado.


Downloads

Download data is not yet available.

References

R. González, P. Wintz., Digital Image Processing, 3a. edición, Prentice Hall.

M. Sonka, V. Hlvac, R. Boyle, Image Processing, Analysis, and Machine Vision, Brooks/Cole Publishing Co, 1999.

R. González, Woods, and Eddins, Digital Image Processing Using Matlab, 2nd Ed, Prentice Hall.

Fausett L, Fundamentals of Neural Networks: Architecture, Algorithms, and Applications Prentice Hall, 1994.

Klir G, Yuan B, Fuzzy Set Theory. Foundations and Applications, Prentice Hall, 1998.

Pasino K, Yurkovich S, Fuzzy Control, Addison Wesley, 1998.

www.Omega.ilece.edu.mx:3000/sites/ciencia.htm

www.itba.edu.ar/capis/public_html/roboticacognitiva/REDES-NEURONALES.pdf

http://www.answermath.com/neuralnetworks/tutorial-esp-7-aprendizaje.htm

http://www.monografi as.com/trabajos12/redneuro/ redneuro.shtml

http://www.gc.ssr.upm.es/inves/neural/ann2/anntutor.htm

Toolbox, MATLAB, Redes Neuronales.

Toolbox, MATLAB, Logical Fuzzy

Published

2009-06-30

How to Cite

Ramírez González, D. C., Pulido Sarmiento, G., Gerardino Arévalo, B., Cruz Romero, J. M., Estupiñán Escalante, E., & Cancino Suárez, S. (2009). Adquisición y reconocimiento de imágenes por medio de técnicas de visión e inteligencia artificial. ITECKNE, 6(1), 5–13. https://doi.org/10.15332/iteckne.v6i1.290

Issue

Section

Research and Innovation Articles