Adquisición y reconocimiento de imágenes por medio de técnicas de visión e inteligencia artificial
DOI:
https://doi.org/10.15332/iteckne.v6i1.290Palabras clave:
Backpropagation, Filtro Robberts, Filtro Mediana, Filtro Alfa Trimmed, Lógica Difusa, Procesamientode Imágenes, Red Neuronal, Controlador Difuso (FLC), Pixeles.Resumen
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.
Descargas
Citas
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
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.