Medición de pérdidas de presión usando visión por computador
DOI:
https://doi.org/10.15332/iteckne.v13i1.1383Palabras clave:
Codebook, extracción de fondo, instrumentación y medición, piezómetro, visión por computadorResumen
En un circuito hidráulico, el fluido sufre pérdidas de presión al atravesar tramos o diferentes accesorios, estas pueden ser inspeccionadas observando el nivel del fluido en piezómetros. Este trabajo presenta un desarrollo en visión artificial, que permite la medición en línea de los niveles de presión registrados en dieciséis columnas piezométricas. La técnica de extracción de fondo basada en el algoritmo de Codebook, combinada con el filtrado morfológico y unión de blobs, es usada para obtener los niveles piezométricos. El algoritmo de procesamiento está diseñado en Open CV y soportado en Linux. Se obtuvieron coeficientes de variación inferiores al 0,1% y errores máximos del 1,4 %.
Descargas
Citas
L. Fortuna, S. Graziani, and M. G. Xibilia, Soft sensors for monitoring and control of industrial processes. 2007.
T.-H. Wang, M.-C. Lu, C.-C. Hsu, C.-C. Chen, and J.-D. Tan, “Liquid level measurement using a single digital camera,” Measurement, vol. 42, pp. 604-610, 2009.
D. Yasuhiko and S. J. Ovaska, “Industrial applications of soft computing: A Review,” Proc. IEEE, vol. 89, no. 9, 2001.
W. Healy, “Building america meeting on miagnostic measurement and performance feedback for residential space conditioning equipment,” Build. Sensors Energy Monit. Syst., no. July, 2010.
G. Heredia and A. Ollero, “Virtual sensor for failure detection, identification and recovery in the transition phase of a morphing aircraft,” Sensor, vol. 10, pp. 2188-2201, 2010.
W. Wei, L. Chunfang, and X. Xinhe, “Simulation of robot localization based on virtual sensors,” in 2008 Chinese Control and Decision Conference, 2008, pp. 248-252.
J. P. Sebastiá, J. Alberola, and R. Lajara, “Physical signal conditioning for GMR magnetic sensors : Applied to traffic speed monitoring GMR sensors,” Sensors Actuators A Phys., vol. 137, pp. 230-235, 2007.
P. Ibarguengoytia, A. Reyes, M. Huerta, and J. Hermosillo, “Probabilistic virtual sensor for on-line viscosity estimation,” in Artificial Intelligence, 2008. MICAI ’08. Seventh Mexican International Conference on, 2008, pp. 3777-782.
N. Hardy and A. Ahmad, “De coupling for re use in design and implementation using virtual sensors,” Auton. Robot., vol. 6, pp. 265-280, 1999.
N. Hardy and A. Ahmad, “ViSIAr – A virtual sensor integration architecture,” Robotica, vol. 17, pp. 637-647, 1999.
E. Velásquez, “Lectura automática de instrumentos de medida mediante técnicas de visión artificial,” Universidad de Vigo, 2008.
E. Vázquez-Fernández, A. Dacal-Nieto, H. González-Jorge, F. Martín, A. Formella, and V. Álvarez-Valado, “A machine vision system for the calibration of digital thermometers,” Meas. Sci. Technol., vol. 20, no. 6, p. 065-106, Jun. 2009.
P. Jampana, “Computer vision based sensors for chemical processes outline introduction,” University of Alberta, 2009.
E. Valverde and J. Valverde, “Diseño e implementación de un laboratorio remoto: caso de estudio planta de pérdidas de carga en conductos a presión del Laboratorio de Hidraúlica,” Universidad del Cauca, 2010.
K. Kim, T. H. Chalidabhongse, D. Harwood, and L. Davis, “Real-time foreground–background segmentation using codebook model,” Real-Time Imaging, vol. 11, no. 3, pp. 172-185, Jun. 2005.
R. Lagani, OpenCV 2 Computer Vision Application Programming Cookbook. Packt Publishing Ltd, 2011.
I. Corporation, “Intel Corporation.pdf,” 2012. [Online]. Available: http://developer.intel.com.
G. Bradski and A. Kaehler, Learnig OpenCV. O’Reilly Media, Inc., 2008.
R. Gonzalez and R. Woods, Digital image processing. Prentice Hall Upper Saddle River, 2002.
N. Raveendranathan, V. Loseu, E. Guenterberg, R. Giannantonio, R. Gravina, M. Sgroi, and R. Jafari, “Implementation of virtual sensors in body sensor networks with the SPINE framework,” 2009 IEEE Int. Symp. Ind. Embed. Syst., pp. 124-127, Jul. 2009.
J. A. Cerquera and J. E. Córdoba, “Medición y pérdidas de presión usando visión por computador,” Universidad del Cauca, 2012.
A. Senior, A. Hampapur, Y.-L. Tian, L. Brown, S. Pankanti, and R. Bolle, “Appearance models for occlusion handling,” Image Vis. Comput., vol. 24, no. 11-1, pp. 1233-1243, 2014.
F. Chang, C. Chen, and C. Lu, “A linear-time component-labeling algorithm using contour tracing technique,” Comput. Vis. image Underst., vol. 93, pp. 206-220, 2003.
I. Espejo, F. Fernández, M. López, M. Muñoz, A. Rodríguez, A. Sánchez, and C. Valero, “Estadística descriptiva y probabilidad: (Teoría y problemas),” Universidad de Cádiz, 2009.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
La revista ITECKNE se encuentra registrada bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional Por lo tanto, esta obra se puede reproducir, distribuir y comunicar públicamente, siempre que se reconozca el nombre de los autores y a la Universidad Santo Tomás. Se permite citar, adaptar, transformar, autoarchivar, republicar y crear a partir del material, siempre que se reconozca adecuadamente la autoría, se proporcione un enlace a la obra original y se indique si se han realizado cambios.
La Revista ITECKNE no retiene los derechos sobre las obras publicadas y los contenidos son responsabilidad exclusiva de los autores, quienes conservan sus derechos morales, intelectuales, de privacidad y publicidad. Sin embargo esta facultada para editar, publicar, reproducir y distribuir tanto en medios impresos como digitales, además de incluir el artículo en índices internacionales y/o bases de datos, de igual manera, se faculta a la editorial para utilizar las imágenes, tablas y/o cualquier material gráfico presentado en el artículo para el diseño de carátulas o posters de la misma revista.
