Sistema de Visión Artificial Para la Detección Clasificación y Conteo de Piezas Plásticas
65 páginas
- Autores:
-
Jiménez Gómez, Maricel
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2015
- Institución:
- Universidad EIA .
- Repositorio:
- Repositorio EIA .
- Idioma:
- spa
- OAI Identifier:
- oai:repository.eia.edu.co:11190/6515
- Acceso en línea:
- https://repository.eia.edu.co/handle/11190/6515
- Palabra clave:
- Predicción
Reconocimiento de Patrones
Especificidad
Sensibilidad
SVM
SVM
Sensitivity
Specificity
Pattern Recognition
Prediction
- Rights
- openAccess
- License
- Derechos Reservados - Univesidad EIA - 2015
id |
REIA2_7e975588ca37250446069c32e8281728 |
---|---|
oai_identifier_str |
oai:repository.eia.edu.co:11190/6515 |
network_acronym_str |
REIA2 |
network_name_str |
Repositorio EIA . |
repository_id_str |
|
dc.title.none.fl_str_mv |
Sistema de Visión Artificial Para la Detección Clasificación y Conteo de Piezas Plásticas |
title |
Sistema de Visión Artificial Para la Detección Clasificación y Conteo de Piezas Plásticas |
spellingShingle |
Sistema de Visión Artificial Para la Detección Clasificación y Conteo de Piezas Plásticas Predicción Reconocimiento de Patrones Especificidad Sensibilidad SVM SVM Sensitivity Specificity Pattern Recognition Prediction |
title_short |
Sistema de Visión Artificial Para la Detección Clasificación y Conteo de Piezas Plásticas |
title_full |
Sistema de Visión Artificial Para la Detección Clasificación y Conteo de Piezas Plásticas |
title_fullStr |
Sistema de Visión Artificial Para la Detección Clasificación y Conteo de Piezas Plásticas |
title_full_unstemmed |
Sistema de Visión Artificial Para la Detección Clasificación y Conteo de Piezas Plásticas |
title_sort |
Sistema de Visión Artificial Para la Detección Clasificación y Conteo de Piezas Plásticas |
dc.creator.fl_str_mv |
Jiménez Gómez, Maricel |
dc.contributor.author.none.fl_str_mv |
Jiménez Gómez, Maricel |
dc.subject.proposal.spa.fl_str_mv |
Predicción Reconocimiento de Patrones Especificidad Sensibilidad SVM |
topic |
Predicción Reconocimiento de Patrones Especificidad Sensibilidad SVM SVM Sensitivity Specificity Pattern Recognition Prediction |
dc.subject.proposal.eng.fl_str_mv |
SVM Sensitivity Specificity Pattern Recognition Prediction |
description |
65 páginas |
publishDate |
2015 |
dc.date.issued.none.fl_str_mv |
2015 |
dc.date.accessioned.none.fl_str_mv |
2024-04-15T20:00:07Z |
dc.date.available.none.fl_str_mv |
2024-04-15T20:00:07Z |
dc.type.none.fl_str_mv |
Trabajo de grado - Pregrado |
dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.content.none.fl_str_mv |
Text |
dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
dc.type.coarversion.none.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
format |
http://purl.org/coar/resource_type/c_7a1f |
status_str |
publishedVersion |
dc.identifier.uri.none.fl_str_mv |
https://repository.eia.edu.co/handle/11190/6515 |
url |
https://repository.eia.edu.co/handle/11190/6515 |
dc.language.iso.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
Derechos Reservados - Univesidad EIA - 2015 |
dc.rights.uri.none.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.rights.license.none.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) |
dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
Derechos Reservados - Univesidad EIA - 2015 https://creativecommons.org/licenses/by-nc-nd/4.0/ Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.mimetype.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidad EIA |
dc.publisher.program.none.fl_str_mv |
Ingeniería Mecatrónica |
dc.publisher.faculty.none.fl_str_mv |
Escuela de Ingeniería y Ciencias Básicas |
dc.publisher.place.none.fl_str_mv |
Envigado, Antioquia |
publisher.none.fl_str_mv |
Universidad EIA |
institution |
Universidad EIA . |
bitstream.url.fl_str_mv |
https://repository.eia.edu.co/bitstreams/042e3e47-6576-4ca9-93cb-d4464c80bb78/download https://repository.eia.edu.co/bitstreams/9c93371c-f08b-4a21-af1c-6e9e0bffa170/download https://repository.eia.edu.co/bitstreams/c819cbc6-7002-4ccb-825f-fd606ec11f19/download https://repository.eia.edu.co/bitstreams/772e66f3-9d0b-4ef8-b5c2-2437c42afc82/download |
bitstream.checksum.fl_str_mv |
13e3db7063e1d69e015e53ff99157704 2264fce645ac2952653ce3f3b8fa781e 065c9c083b3d5e3b36e70c78b83f5739 defe373be574a806730c07082a7933ac |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional Universidad EIA |
repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
_version_ |
1818099037817012224 |
spelling |
Jiménez Gómez, Maricel2024-04-15T20:00:07Z2024-04-15T20:00:07Z2015https://repository.eia.edu.co/handle/11190/651565 páginasEn la planta de pintura de plásticos de una empresa del sector automovilístico ingresan piezas continuamente según un plan de producción diario. Dado que no se tiene un sistema automático de conteo y clasificación de las piezas y el actual es poco confiable, los errores en el conteo elevan los costos de producción. Esto se debe a que no se aprovechan los recursos en su totalidad cuando hay piezas faltantes en la producción, lo que conlleva al aumento de desperdicios provenientes de materiales no reutilizables. Con el fin de mejorar este proceso se desarrolla un algoritmo de predicción basado en Máquinas de Soporte Vectorial (SVM), en el cual por medio de un conjunto de características propias de cada pieza se realiza el reconocimiento, la clasificación y el conteo de cada una de estas. Al final, utilizando un prototipo para simular el proceso de la planta, se obtiene como resultado del modelo de predicción desarrollado una sensibilidad y especificidad, para la mayoría de las piezas, de más del 95% de confiabilidad con una velocidad de procesamiento aproximadamente de 200 ms.In a plastic painting plant of an automotive sector company there are pieces entering continuously according to plan daily production. Due to the lack of an automatic counting and classification system of these pieces and that the system currently used is not reliable, counting errors increase production costs. This is because resources are not fully exploited when there are missing pieces in production, causing the raise of waste resulting from non-reusable materials. To solve this problem, a prediction algorithm based on Support Vector Machines (SVM) is developed to achieve pieces recognition, classification and counting, starting from features sets of each piece. At last, the developed prediction model generates for most of the pieces a result that exceeds the 95% of reliability in sensitivity and specificity values with a processing speed of about 200 ms. The system is proved using a prototype to simulate the process in the plant.PregradoIngeniero Mecatrónicoapplication/pdfspaUniversidad EIAIngeniería MecatrónicaEscuela de Ingeniería y Ciencias BásicasEnvigado, AntioquiaDerechos Reservados - Univesidad EIA - 2015https://creativecommons.org/licenses/by-nc-nd/4.0/Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Sistema de Visión Artificial Para la Detección Clasificación y Conteo de Piezas PlásticasTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionTexthttp://purl.org/redcol/resource_type/TPhttp://purl.org/coar/version/c_970fb48d4fbd8a85PredicciónReconocimiento de PatronesEspecificidadSensibilidadSVMSVMSensitivitySpecificityPattern RecognitionPredictionPublicationORIGINALJiménezMaricel_2015_SistemaVisiónArtificial.pdfJiménezMaricel_2015_SistemaVisiónArtificial.pdfapplication/pdf1612198https://repository.eia.edu.co/bitstreams/042e3e47-6576-4ca9-93cb-d4464c80bb78/download13e3db7063e1d69e015e53ff99157704MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82553https://repository.eia.edu.co/bitstreams/9c93371c-f08b-4a21-af1c-6e9e0bffa170/download2264fce645ac2952653ce3f3b8fa781eMD52TEXTJiménezMaricel_2015_SistemaVisiónArtificial.pdf.txtJiménezMaricel_2015_SistemaVisiónArtificial.pdf.txtExtracted texttext/plain102557https://repository.eia.edu.co/bitstreams/c819cbc6-7002-4ccb-825f-fd606ec11f19/download065c9c083b3d5e3b36e70c78b83f5739MD53THUMBNAILJiménezMaricel_2015_SistemaVisiónArtificial.pdf.jpgJiménezMaricel_2015_SistemaVisiónArtificial.pdf.jpgGenerated Thumbnailimage/jpeg7804https://repository.eia.edu.co/bitstreams/772e66f3-9d0b-4ef8-b5c2-2437c42afc82/downloaddefe373be574a806730c07082a7933acMD5411190/6515oai:repository.eia.edu.co:11190/65152024-04-16 03:01:02.707https://creativecommons.org/licenses/by-nc-nd/4.0/Derechos Reservados - Univesidad EIA - 2015open.accesshttps://repository.eia.edu.coRepositorio Institucional Universidad EIAbdigital@metabiblioteca.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 |