Академический Документы
Профессиональный Документы
Культура Документы
Sistema de
Clasificacin de Piezas con
Tratamiento Digital de
Camilo Ernesto Pardo dgar Andrs Gutirrez
Beainy Cceres
MSc.(c) en Ingeniera Electrnica, MSc.(c) en Ingeniera Electrnica,
Pontificia Universidad Javeriana de Pontificia Universidad Javeriana de Bogot docente
Bogot tiempo Completo, investigador grupo ginSCon,
Docente Tiempo Completo, Investigador Grupo Universidad Santo Toms Tunja USTA
GITELCOM, Universidad Santo Toms Tunja USTA egutierrez@ustatunja.edu.co
u.co
Recibido: 02/03/2012/ Aceptado: 25/05/2012/ ITECKNE Vol. 9 Nmero 1 ISSN 1692 - 1798 Julio 2012 90 - 98
Distribucin Binomial Aplicada a un Sistema de Clasificacin de Piezas con
Tratamiento Digital de Imgenes 91
Fuente: los
autores
Como ya se mencion este proceso de
inspec-
cin slo puede dar dos resultados y la
ruta de inspeccin se muestra en la Fig.5.
Como ltimo paso del sistema de
Fuente: los deteccin, se procedi a en- tregar el
autores resultado que indica si la pieza est o no
El proceso de reconocimiento se defectuosa.
realiz a tra-
vs de cuatro pasos que se describen en
la Fig. 3.
Fuente: los
autores
El primer paso, consisti en simular el
proceso
de adquisicin de la imagen del proceso
de control de calidad; la idea de un Fuente: los
sistema de estas carac- tersticas, es que autores
Fuente: los
autores Fuente: los
autores
3) Mtodo de Deteccin de Bordes
Para obtener el cambio de contraste
Una vez establecida la regin de se utiliz
anlisis, se pro- puso utilizar el mtodo un mtodo de deteccin sencillo, el cual
establecido por Lab VIEW para deteccin detect en primera instancia una
de bordes el cual supone visualizar el pendiente positiva en la curva de escala
cambio de intensidad en los pixeles como de grises. Despus se localiz el centro
una fun- cin ram que pausa un arreglo de del borde haciendo una media entre el
una sola dimen- sin definido a travs de va- lor de pendiente positiva y el valor de
la lnea de identificacin. pendiente negativa. El proceso se repiti
La Fig. 7 visualiza el modelo seguido, para toda la lnea de bsqueda
en donde se distingue la variacin de los seleccionada, y mediante el nmero de
valores lineales de pixeles en la escala de transiciones se obtuvo el nmero de
grises [8-10]. pines del dispositivo. El mtodo de
Fuente: los
autores
Fuente: los
autores
Cada reporte generado, present el
nmero y
porcentaje de resultados positivos y Fuente: los
autores
negativos en el evento inspeccionado; tal Como el sistema permiti ejecutar
como se muestra en la Fig. 15. hasta un
mximo de 20 eventos, se program
una hoja en Excel que recogi los
resultados de todos los eventos
inspeccionados, ver Fig. 17.
En la Fig. 17, se puede observar cmo
se mue- ve la funcin de densidad del
sistema evento tras evento. As mismo, la
Fig. 18 indica cmo se acu- mul la
Fuente: los
autores
96 ITECKNE Vol. 9 Nmero 1 ISSN 1692 - 1798 Julio 2012 90 - 98
[22] H. Zhao, J. Cheng, and J. Jin, NI vision based [33] R. Marmo, and L. Lombardi, Road bridge
automa- tic optical inspection (AOI) for sign detec- tion and classification, IEEE
surface mount devices: Devices and Intelligent Transportation Systems Conf.,
method, International Conference on ITSC 06,pp. 823 826, Sept., 2006.
Applied Superconductivity and [34] C. Cheong, Design of lane detection
system based on color classification and
[23] H. Xie, Y. Kuang, and X. Zhang, A high edge clustering, 2011 3rd Asia Symposium
speed AOI al- gorithm for chip component on Quality Electronic Design (AS- QED), pp.
based on image differen- ce, in the 266 271, 2011.
International Conference on Information and
Automation, 2009. ICIA 09, pp. 969 974,