Search

Este proyecto tiene como finalidad realizar un estudio de la implantación de un láser 3D de visión artificial. Tiene la finalidad de realizar un control de calidad en cualquier proceso industrial y así poder detectar si los objetos están en buen estado, es decir, carecen de defectos. Para la realización de este estudio se ha utilizado un láser 3D de la empresa Cognex. Para la iluminación, se ha utilizado la propia iluminación aportada por el láser. Para el procesado de imágenes se ha utilizado el software In-Sight Vision Suite proporcionado por Cognex que es un software compatible al láser., Aquest projecte té com a finalitat realitzar un estudi de la implantació d’un làser 3D de visió artificial. Té la finalitat de realitzar un control de qualitat en qualsevol procés industrial y així poder detectar si els objectes estan en bon estat, es a dir, no tenen defectes. Per a la realització d’aquest estudi s’ha utilitzat un làser 3D de l’empresa Cognex. Per a la il•luminació, s’ha utilitzat la il•luminació pròpia aportada pel làser. Per al processat d’imatges s’ha utilitzat el software In-Sight Vision Suite proporcionat per Cognex que es un software compatible al làser., The purpose of this project is to carry out a study of the implantation of a 3D laser for artificial vision. Its purpose is to carry out quality control in any industrial process and thus be able to detect if the objects are in good condition, that is, they have no defects. To carry out this study, a 3D laser from the company Cognex has been used. For illumination, the illumination provided by the laser itself has been used. For image processing, it has been used the software In-Sight Vision Suite provided by Cognex which is compatible with the laser.

En aquest projecte s’ha dut a terme la posada en marxa d’un sistema d’adquisició d’imatges hiperespectrals i el disseny d’una xarxa d’aprenentatge profund per la seva posterior classificació. L'objectiu consta d'adquirir imatges hiperespectrals i detectar anomalies per la seva posterior classificació mitjançant tècniques de programació d'aprenentatge profund. Per altra banda, un altre finalitat és simular l'adquisició d'aquestes imatges el més semblant a un procés de control de qualitat d'una indústria. Per dur a terme aquest projecte s’ha utilitzat: Dos tipus de càmeres: Una càmera de l’empresa Photonfocus capaç de treballar a rang de freqüències hiperespectrals VNIR (Visible Near Infra Red Bands) amb un rang entre 400-900nm. La segona càmera de l’empresa Specim FX17 que treballa a un rang de freqüències hiperespectrals NIR (Near Infra Red Bands) amb un interval entre 900-1700nm. Per processar les imatges hem fet servir un programari anomenat Scyven d’ús gratuït, recomana’t pel mateix fabricant. Per il·luminar aquest sistema s’ha utilitzat unes bombetes al·lògenes, amb els seus corresponents transformadors i un port bombetes dissenyat per aquest projecte que permeten la captura de les imatges dintre del rang de freqüències que s’ha determinat. Per l’elaboració de la xarxa neuronal s’ha usat les biblioteques de programari de codi obert TensorFlow i Keras, que estan especialitzades en l’àmbit de l’aprenentatge profund i automàtic. Tant una com l’altra estan basades i escrites en el llenguatge de programació de Phyton. Per dur a terme la programació s’ha fet servir Google Colab, un quadern de programació online interactiu que et permet escriure i executar codi., En este proyecto se ha llevado a cabo la puesta en marcha de un sistema de adquisición de imágenes hiperespectrales y el diseño de una red de aprendizaje profundo para su posterior clasificación. El objetivo consta de adquirir imágenes hiperespectrales y detectar anomalías por su posterior clasificación mediante técnicas de programación de aprendizaje profundo. Por otro lado, otra finalidad es simular la adquisición de estas imágenes lo más parecida a un proceso de control de calidad de una industria. Para llevar a cabo este proyecto se ha utilizado: Dos tipos de cámaras: Una cámara de la empresa Photonfocus capaz de trabajar a rango de frecuencias hiperespectrales VNIR (Visible Near Infra Red Bands) con un rango entre 400-900nm. La segunda cámara de la empresa Specim FX17 que trabaja a un rango de frecuencias hiperespectrales NIR (Near Infra Red Bands) con un intervalo entre 900-1700nm. Para procesar las imágenes se ha usado un software denominado Scyven de uso gratuito, recomendado por el mismo fabricante. Para iluminar este sistema se ha utilizado unas bombillas alógenas, con sus correspondientes transformadores y un puerto bombillas diseñado por este proyecto que permiten la captura de las imágenes dentro del rango de frecuencias que se ha determinado. Por la elaboración de la red neuronal se ha usado las bibliotecas de software de código abierto TensorFlow y Keras, que están especializadas en el ámbito del aprendizaje profundo y automático. Tanto una como la otra están basadas y escritas en el lenguaje de programación de Phyton. Para llevar a cabo la programación se ha usado Google Colab, un cuaderno de programación en línea interactivo que te permite escribir y ejecutar código., This project has carried out the implementation of a system for acquiring hyperspectral images and the design of a deep learning network for later classification. The goal consists of acquiring hyperspectral images and detecting anomalies by their later classification using deep learning programming techniques. On the other hand, another aim is to simulate the acquisition of these images, the most similar to an industry quality control process. To carry out this project it has been used: Two types of cameras: A Photonfocus company camera capable of working at the VNIR hyperspectral frequency range (Visible Near Infra-Red Bands) with a range between 400–900 nm. The second camera of Specim FX17 works at a range of NIR hyperspectral frequencies (Near Infra-Red Bands) with a range between 900–1700nm. To process the images we used a software called free use Scyven, recommended by the manufacturer itself. To illuminate this system, allogeneic light bulbs have been used, with their corresponding transformers and a light bulb port designed for this project, allowing the capture of images within the range of frequencies that has been determined. For the elaboration of the neural network, open source libraries TensorFlow and Keras have been used, which are specialized in the field of deep and automatic learning. Both are based and written in the Phyton programming language. Google Colab, an interactive online programming notebook that allows you to write and run code, has been used for programming.

Este proyecto tiene como finalidad elaborar un estudio de viabilidad para la implantación de un sistema de visión artificial. Esto se quiere implementar con el fin de realizar una inspección en la cadena de montaje de una empresa y poder descartar productos que no cumplan con las especificaciones. Para poder realizar este estudio se ha utilizado una cámara compacta diseñada para un uso industrial de la empresa Cognex. En cuanto a la iluminación utilizada para realizar las pruebas se ha utilizado diferentes tipos con el fin de encontrar la mejor opción posible. Se ha utilizado iluminaciones de tipos diferentes que provienen de la empresa TMS-lite. Para procesar las imágenes se ha utilizado el software gratuito que ofrece Cognex en su página web, que es compatible con la cámara compacta utilizada. Más adelante en este informe se puede ver el proceso seguido para determinar cuál es la mejor solución y los resultados obtenidos con el material seleccionado. Como conclusión de este informe se pretende demostrar que pese a la inversión inicial en material y programación vale la pena invertir este dinero ya que la solución propuesta mejora claramente la situación actual en la empresa para la que se hace el informe de viabilidad., Aquest projecte té com a finalitat elaborar un estudi de viabilitat per a la implantació d'un sistema de visió artificial. Això es vol implementar amb la finalitat de realitzar una inspecció en la cadena de muntatge d'una empresa i poder descartar productes que no compleixin amb les especificacions. Per a poder realitzar aquest estudi s'ha utilitzat una càmera compacta dissenyada per a un ús industrial de l'empresa Cognex. Pel que fa a la il·luminació utilitzada per a realitzar les proves s'ha utilitzat diferents tipus amb la finalitat de trobar la millor opció possible. S'ha utilitzat il·luminacions de tipus diferents que provenen de l'empresa TMS-lite. Per a processar les imatges s'ha utilitzat el programari gratuït que ofereix Cognex en la seva pàgina web, que és compatible amb la càmera compacta utilitzada. Més endavant en aquest informe es pot veure el procés seguit per a determinar com és la millor solució i els resultats obtinguts amb el material seleccionat. Com a conclusió d'aquest informe es pretén demostrar que malgrat la inversió inicial en material i programació val la pena invertir aquests diners ja que la solució proposada millora clarament la situació actual en l'empresa per a la qual es fa l'informe de viabilitat., This project aims to draw up a feasibility study for the implementation of an artificial vision system. This is to be implemented to carry out an inspection in the assembly line of a company and to be able to discard products that do not pass the specifications. To be able to perform this study a compact camera industrially designed was used, this camera was made by the company Cognex. The illumination used to perform the tests was manufactured by TMS-lite. Several illuminations have been used in the tests performed to complete this essay. To process images, free software offered designed by Cognex has been, this software can be found on their webpage. This software is compatible with the camera that has been used. This software is In-Sight Explorer. Later in this report you can see the process followed to determine how the best solution and the results obtained with the selected material is. To conclude this report, it is intended to demonstrate that despite the initial investment in material and programming, it is worth investing this money because the proposed solution clearly improves the current situation in the company for which the feasibility report is made.