Mostrar el registro sencillo del ítem
Adquisición y reconocimiento de imágenes por medio de técnicas de visión e inteligencia artificial
dc.contributor.author | Rodríguez-González, Diana Carolina | |
dc.contributor.author | Gerardino Arévalo, Beatriz | |
dc.contributor.author | Estupiñán Escalante, Enrique | |
dc.contributor.author | Pulido Sarmiento, Guillermo | |
dc.contributor.author | Cruz Romero, José Manuel | |
dc.contributor.author | Cancino Suárez, Sandra Liliana | |
dc.date.accessioned | 2023-05-17T19:39:32Z | |
dc.date.available | 2023-05-17T19:39:32Z | |
dc.date.issued | 2009 | |
dc.identifier.issn | 1692-1798 | spa |
dc.identifier.uri | https://repositorio.escuelaing.edu.co/handle/001/2344 | |
dc.description.abstract | 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. | spa |
dc.description.abstract | This project presents a system that recognizes different figures that are in a conveyor belt. For the conveyor positioning fuzzy logic control is used. The positioning control presents an acceptable error due to the communications protocol used. The techniques used for image recognition are machine vision and neural networks as well. The image recognition system the system is formed by three stages: image acquisition, image processing and characteristics extraction and geometric form identification. This system differentiate seven geometric shapes (Circle, Square, Triangle, Rectangle, Ellipse, Rhombus, five-pointed Star), twelve different colours (Red, Light Red, Dark Red, Blue, Light Blue, Dark Blue, Lila Blue, Green, Light Green, Dark Green, Yellow, Dark Yellow) and three sizes (Large, Medium, Small). Several techniques are used for different form classification such us: metric and major length axes difference. These image characteristics are used in the geometric identification forms stage by machine vision techniques and these are also the input vectors for the Neuronal Networks. The results in the image recognition stage are used to compare Machine Vision and Neuronal Network techniques to stablish which one has a better performance for this problem set up. | eng |
dc.format.extent | 9 páginas | spa |
dc.format.mimetype | application/pdf | spa |
dc.language.iso | spa | spa |
dc.publisher | Universidad Santo Tomás | spa |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | spa |
dc.source | http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/290 | spa |
dc.title | Adquisición y reconocimiento de imágenes por medio de técnicas de visión e inteligencia artificial | spa |
dc.type | Artículo de revista | spa |
dc.type.version | info:eu-repo/semantics/publishedVersion | spa |
oaire.accessrights | http://purl.org/coar/access_right/c_abf2 | spa |
oaire.version | http://purl.org/coar/version/c_970fb48d4fbd8a85 | spa |
dc.contributor.researchgroup | Grupo de Investigación Ecitrónica | spa |
dc.identifier.doi | https://doi.org/10.15332/iteckne.v6i1.290 | |
dc.identifier.eissn | 2339-3483 | spa |
dc.identifier.url | http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/290 | |
dc.publisher.place | Colombia | spa |
dc.relation.citationendpage | 13 | spa |
dc.relation.citationissue | 1 | spa |
dc.relation.citationstartpage | 5 | spa |
dc.relation.citationvolume | 6 | spa |
dc.relation.indexed | N/A | spa |
dc.relation.ispartofjournal | ITECKNE | spa |
dc.relation.references | R. González, P. Wintz., Digital Image Processing, 3a. edición, Prentice Hall. | spa |
dc.relation.references | M. Sonka, V. Hlvac, R. Boyle, Image Processing, Analysis, and Machine Vision, Brooks/Cole Publishing Co, 1999. | spa |
dc.relation.references | R. González, Woods, and Eddins, Digital Image Processing Using Matlab, 2nd Ed, Prentice Hall. | spa |
dc.relation.references | Fausett L, Fundamentals of Neural Networks: Architecture, Algorithms, and Applications Prentice Hall, 1994. | spa |
dc.relation.references | Klir G, Yuan B, Fuzzy Set Theory. Foundations and Applications, Prentice Hall, 1998. | spa |
dc.relation.references | Pasino K, Yurkovich S, Fuzzy Control, Addison Wesley, 1998. | spa |
dc.relation.references | www.Omega.ilece.edu.mx:3000/sites/ciencia.htm | spa |
dc.relation.references | www.itba.edu.ar/capis/public_html/roboticacognitiva/REDES-NEURONALES.pdf | spa |
dc.relation.references | http://www.answermath.com/neuralnetworks/tutorial-esp-7-aprendizaje.htm | spa |
dc.relation.references | http://www.monografi as.com/trabajos12/redneuro/ redneuro.shtml | spa |
dc.relation.references | http://www.gc.ssr.upm.es/inves/neural/ann2/anntutor.htm | spa |
dc.relation.references | Toolbox, MATLAB, Redes Neuronales. | spa |
dc.relation.references | Toolbox, MATLAB, Logical Fuzzy. | spa |
dc.rights.accessrights | info:eu-repo/semantics/openAccess | spa |
dc.rights.creativecommons | Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) | spa |
dc.subject.armarc | Redes neuronales (Computadores) | spa |
dc.subject.armarc | Neural networks (Computer science) | eng |
dc.subject.armarc | Visión artificial | spa |
dc.subject.armarc | Artificial vision | eng |
dc.subject.armarc | Procesamiento de imágenes - Técnicas digitales | spa |
dc.subject.armarc | Image processing - Digital techniques | eng |
dc.subject.proposal | Backpropagation | spa |
dc.subject.proposal | Filtro Robberts | spa |
dc.subject.proposal | Filtro Mediana | spa |
dc.subject.proposal | Filtro Alfa Trimmed | spa |
dc.subject.proposal | Lógica Difusa | spa |
dc.subject.proposal | Procesamiento de Imágenes | spa |
dc.subject.proposal | Red Neuronal | spa |
dc.subject.proposal | Controlador Difuso (FLC) | spa |
dc.subject.proposal | Pixeles | spa |
dc.subject.proposal | Backpropagation | eng |
dc.subject.proposal | Robberts Filter | eng |
dc.subject.proposal | Median Filter | eng |
dc.subject.proposal | Alfa trimmed Filter | eng |
dc.subject.proposal | Fuzzy Logic | eng |
dc.subject.proposal | Image Processing | eng |
dc.subject.proposal | Neural Network | eng |
dc.subject.proposal | Fuzzy logic controller (FLC) | eng |
dc.subject.proposal | Pixels | eng |
dc.type.coar | http://purl.org/coar/resource_type/c_2df8fbb1 | spa |
dc.type.content | Text | spa |
dc.type.driver | info:eu-repo/semantics/article | spa |
dc.type.redcol | http://purl.org/redcol/resource_type/ART | spa |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
-
AB - Ecitrónica [122]
Clasificación: A - Convocatoria 2018