Por favor, use este identificador para citar o enlazar este ítem: http://comimsa.repositorioinstitucional.mx/jspui/handle/1022/322
Integración de la red neuronal convolucional con el algoritmo de función de frontera de objeto para reconocimiento de piezas y detección de defectos
YANIER BASULTO RODRIGUEZ
Acceso Abierto
Atribución-NoComercial-SinDerivadas
Redes neuronales aplicadas a sistemas de visión para detección de defectos
Uno de los principales retos en la industria son los sistemas de inspección que aseguran la calidad del producto en el menor tiempo posible. La investigación propone un nuevo sistema de reconocimiento de defectos centrado en la integración de técnicas relevantes en su aplicación; la Función de Frontera de Objetos (BOF) por su rapidez en la segmentación de imágenes, la Red Neuronal Convolucional (CNN) la cual logra una mayor extracción de características en las imágenes y las Máquinas de Soporte Vectorial (SVM) con la capacidad de clasificar datos linealmente no separables. Debido a que la extracción profunda de características (CNN) utiliza un mayor procesamiento, se implementa el BOF para reconocer las diferentes piezas elaboradas por una manufactura flexible y la CNN+SVM para el reconocimiento de sus defectos. Se logró un sistema más robusto de detección de defectos en comparación con las técnicas aplicadas por separado en cuanto a la detección de defectos en piezas a través de las imágenes reduciendo el tiempo de procesamiento.
12-12-2018
Trabajo de grado, maestría
Español
Empresas
Estudiantes
Investigadores
CIENCIAS TECNOLÓGICAS
Versión aceptada
acceptedVersion - Versión aceptada
Aparece en las colecciones: TESIS DE MAESTRÍA DEL POSGRADO INTERINSTITUCIONAL EN CIENCIA Y TECNOLOGÍA

Cargar archivos:


Fichero Descripción Tamaño Formato  
Tesis de Maestría_ Yanier _Basulto Rodríguez.pdfTesis para obtener el grado académico de Maestro en Ciencia y Tecnología en Manufactura Avanzada2.3 MBAdobe PDFVisualizar/Abrir