Professional Documents
Culture Documents
FACULTAD DE INGENIERA EN
ELECTRONICA Y COMUNICACIONES
2014
Sistema De Visin Artificial Para La Deteccin De Cuerpos Slidos En
Botellas A Travs Del Procesamiento De Imgenes Con LABVIEW.
NDICE
NDICE.................................................................................................................................................. 1
PRESENTACIN.................................................................................................................................... 4
CAPTULO 1 ......................................................................................................................................... 5
1 INTRODUCCIN ............................................................................................................................ 5
1.1.1 Objetivo .............................................................................................................................. 5
1.1.2 Sistema humano de visin. ................................................................................................ 5
1.1.3 Sistema de visin artificial (SVA) ........................................................................................ 6
1.2 Aplicaciones En La Industria De La Visin Por Computadora.................................................... 9
1.3 Justificacin Del Proyecto. ...................................................................................................... 10
1.4 Limitaciones Del Proyecto. ...................................................................................................... 12
CAPITULO 2 ....................................................................................................................................... 14
2 CONCEPTOS BSICOS DEL PROCESAMIENTO DIGITAL DE IMGENES. ...................................... 14
2.1 Adquisicin De Imgenes. ................................................................................................... 14
2.1.1 Iluminacin. ...................................................................................................................... 14
2.1.2 Tipologas de fuentes de luz. ............................................................................................ 15
2.1.3 Tipos de Iluminacin. ....................................................................................................... 15
2.2 Procesamiento de imagen....................................................................................................... 19
2.2.1 Representacin digital de imgenes. ............................................................................... 20
2.2.2 Representacin vectorial de los colores. ......................................................................... 21
2.2.3 Algoritmos de procesamiento bsico. .............................................................................. 22
2.2.4 Conversin a escala de grises. .......................................................................................... 22
2.2.5 Brillo. ................................................................................................................................ 23
2.2.6 Escalamiento (Scale)......................................................................................................... 25
2.2.7 Rotacin. .......................................................................................................................... 28
2.2.8 Matrices de procesamiento. ............................................................................................ 28
2.3 Segmentacin. ......................................................................................................................... 30
2.3.1 Segmentacin por Umbral (Thresholding). ...................................................................... 30
1
PRESENTACIN
El mejoramiento de tecnologas para maximizar el rendimiento de procesos
industriales es una bsqueda continua e incesante, este fue el principal motivo de
realizar este trabajo de investigacin: la deteccin de cuerpos slidos en botellas.
La solucin es un prototipo pero con la visin de poder ser implementado en un
ambiente real, a gran escala con xito y que tambin puede servir de base para
futuros proyectos.
Invitamos a usted lector,
a investigar, desarrollar e implementar nuevas
soluciones con sistemas de visin artificial, un campo interesante, complejo pero a
la vez desafiante.
La globalizacin y el surgimiento de nuevas empresas, ocasiona que cada
empresa se esfuerce por brindar un producto o servicio de mayor calidad.
Por lo que la etapa de control de calidad se convierte en una parte muy importante
para lograr lo antes mencionado.
Actualmente existen diversos mecanismos para determinar la calidad de un
producto y la eleccin de este mecanismo depende del parmetro que se
considere de mayor relevancia. Como puede ser el peso, la geometra, color. En
muchas industrias el control de calidad est a cargo de la inspeccin visual
humana, sin embargo este tipo de inspeccin puede tener errores provocando en
ocasiones un bajo nivel de calidad.
Como una alternativa y solucin surgen los sistemas de visin artificial, que son
capaces de detectar aquellos errores que un operario pudiese dejar pasar por alto.
Pero claro, existen situaciones imprevistas en las que un sistema de visin artificial
no sabra cmo reaccionar y que un operario puede ser capaz de resolver.
Con el propsito de comprender mejor las ventajas y desventajas de cada uno de
estos sistemas es necesario tener conocimiento del funcionamiento, cuando
menos general
CAPTULO 1
1 INTRODUCCIN
1.1.1 Objetivo
Crear un sistema de visin con LabVIEW que permita detectar turbiedades,
slidos en botellas con lquidos transparentes.
El ojo humano funciona bsicamente como una cmara fotogrfica y como ocurre
en sta, tiene tres partes principales:
Un sistema ptico para focalizar la luz que le llega: el cristalino que es una lente
biconvexa cuya curvatura se puede modificar mediante los msculos filiares.
Un diafragma para controlar la cantidad de luz que le llega: la pupila que puede
modificar su tamao para dejar pasar ms o menos luz.
5
Sistema de Adquisicin: Mientras que el ser humano posee el nervio ptico, que
se encarga de llevar la informacin brindada por los conos y los bastones hacia el
cerebro en forma de pulsos elctricos; el sistema de visin artificial (SVA) posee el
sistema de adquisicin, que se encarga de transformar la informacin elctrica de
naturaleza analgica en una seal digital.
Aplicacin de Procesado: En contraste con el cerebro humano, en el SVA la
aplicacin de procesado depende del programa de aplicacin que se encuentre
instalado. El cerebro humano puede sacar toda la informacin pertinente del
objeto y realizar un trabajo de acuerdo a sus necesidades.
o transparencia.
Se determinaron las siguientes limitaciones para el proyecto:
El nmero de capturas de imgenes por unidad de tiempo que la cmara puede
realizar, lo que a su vez est vinculado a la velocidad mxima de procesamiento
del programa y la cmara misma.
La botella (frasco) a ser utilizado debe ser completamente transparente, para
brindar la facilidad de poder identificar el contenido almacenado. Tambin ser
importante que su forma uniforme.
El lquido contenido sea transparente en un 80%, es decir su nivel de
transparencia debe ser alta a moderadamente alta, debe ofrecer todas las
facilidades para apreciar objetos que se encuentre sumergidos en el lquido.
El lquido contenido debe ser homogneo, por ejemplo agua, bebidas gaseosas
claras, alcohol.
12
13
CAPITULO 2
2 CONCEPTOS BSICOS DEL PROCESAMIENTO DIGITAL DE IMGENES.
El procesamiento digital de imgenes (PDI) se remonta a la dcada de los 60,
aparece tardamente en la historia de la computacin, ya que antes de pensar en
ello, haba que desarrollar el hardware y los sistemas operativos grficos que
permitieran hacerlo. En ese tiempo la NASA daba seguimiento al programa de
ciencia lunar una vez tomadas las imgenes tenan que ser enviadas a la Tierra,
tras varios intentos fallidos, surgi el proyecto Ranger 7 que logro enviar dichas
imgenes a la Tierra y una vez aqu fueron convertidas de su forma analgica a
digital este proceso dio inicio al empleo de computadoras para procesar imgenes.
[4]
Por otro lado, los algoritmos y las tcnicas de optimizacin que han tenido que
desarrollarse para el procesamiento digital de imgenes son muy sofisticados y
elaborados. En la actualidad existen muchas herramientas de software que
permiten el procesamiento digital de imgenes, este caso en particular LabVIEW
proporciona tcnicas de procesamiento necesarias para el proyecto.
2.1.1 Iluminacin.
El diseo correcto de un ambiente de iluminacin es muy importante para la
implementacin de un SVA, La iluminacin es la parte ms crtica dentro de un
sistema de visin. Las cmaras capturan la luz reflejada de los objetos. El
propsito de la iluminacin utilizada en las aplicaciones de visin es controlar la
forma en que la cmara va a ver el objeto.
14
La luz se refleja de forma distinta si se ilumina una bola de acero, que si se ilumina
una hoja de papel blanco y el sistema de iluminacin por tanto debe ajustarse al
objeto a iluminar. Una buena iluminacin permitir principalmente reducir la
complejidad de la imagen a analizar.
Contraluz: En este tipo de iluminacin, la fuente de luz principal est detrs del
objeto y de frente al fotgrafo, como se muestra en la figura 2-2.
Con esta ubicacin de la luz principal detrs del objeto fotografiado, se consiguen
siluetas muy contrastadas.
Se anulan prcticamente los colores y obtenemos zonas o muy claras, o muy
oscuras. Tambin conseguimos separar el objeto del fondo.
16
Luz cenital: La iluminacin Vertical (cenital o inferior) asla los objetos de su fondo
y el elevado contraste que da a la imagen les confiere un aire dramtico.
Especialmente en retratos, puede llegar a hacer el rostro tenebroso e
irreconocible. [5]
2.1.4 Cmaras.
Su funcin es capturar la imagen proyectada en el sensor, para poder transferirla
a un sistema electrnico. Las cmaras utilizadas en visin artificial requieren de
una serie de caractersticas que permitan el control del disparo de la cmara para
capturar piezas que pasan por delante de ella en la posicin requerida. Son ms
sofisticadas que las cmaras convencionales, ya que tienen que poder realizar un
control completo de: tiempos, seales, velocidad de obturacin, sensibilidad, etc.
[2]
Se las divide en dos grandes grupos: cmaras de dispositivo de carga acoplada
(CCD, siglas en ingls) y cmaras de semiconductor de xido metlico
complementario (CMOS, siglas en ingls).
Tanto los sensores CCD como los CMOS estn fabricados con materiales
Semiconductores de Metal-xido (MOS) y estructurados en forma de matriz.
Acumulan una carga elctrica en cada celda de la matriz (o pixel) en proporcin a
la intensidad de la luz que incide sobre ella localmente.
No obstante existen diferencias notables entre ambas tecnologas:
17
18
celda receptora, de esta manera al contrario que en los CCD, las celdas son
totalmente independientes de sus vecinas.
Al contrario que el CCD, el sensor CMOS realiza la digitalizacin pxel a pxel, ello
conlleva que el resultado que entrega a la circuitera de la cmara este ya
digitalizado.
En resumen CCD obtiene ms calidad de imagen a costa de un tamao mayor y
consumo ms elevado.
Por su lado CMOS es superior en integracin y bajo consumo a costa de perder
calidad de imagen en situaciones de poca luz. Sin embargo pensar que un CCD
de una cmara compacta media es superior en calidad de imagen a un CMOS de
cmara de alta gama seria equivocado.
Como siempre no hay nada superior de por s, sino situaciones en las que cada
tecnologa es ms adecuada. [6]
2.1.5 Tarjeta de Adquisicin de Imgenes.
19
La imagen percibida por una persona procede de la luz reflejada por los objetos
que la componen. La intensidad luminosa f(x,y) se puede caracterizar por dos
componentes:
a) La cantidad de luz incidente en la escena visualizada (iluminacin), que
representaremos por i(x,y)(0, ). Esta componente viene determinada por la
fuente luminosa.
b) La cantidad de luz reflejada por los objetos de la escena (capacidad reflectora),
que representaremos por r(x,y)(0,1), donde el valor 0 representa absorcin total y
el valor 1 reflexin total. Esta componente viene determinada por las
caractersticas de los objetos de la escena. Por ejemplo, el acero tiene 0.65 y la
nieve 0.93.
Aqu el trmino imagen se refiere a la funcin bidimensional f(x,y) que representa
la intensidad luminosa en el punto (x,y), y viene dada por f(x,y)=i(x,y) r(x,y) [7].
Cuando las imgenes sean en escala de grises, los valores dentro de la matriz
pueden ser desde 0 (negro) hasta 255 (blanco), 256 escalas de intensidad. Esta
restriccin se basa en que el ojo humano es lo suficientemente sensible para
detectar 256 diferentes niveles de intensidad de un color. El nmero de bits que se
usen para codificar el valor de un pxel es lo que se conoce como la definicin de
la imagen.
En el caso de imgenes a color se pueden usar diferentes modelos de colores,
tales como el RGB (rojo, verde, azul), CMY (can, magenta, amarillo).
20
Donde a, b, y c son valores enteros que pertenecen al intervalo [0-255]. As, por
ejemplo un tono de amarillo se puede expresar:
Amarillo=255*rojo+255*verde+0*azul, Amarillo= (255, 255, 0)
21
22
2.2.5 Brillo.
Aumentar el brillo de una imagen consiste en sumar o restar una constante a los
colores que constituyen un pxel, cuidando siempre de nunca rebasar los lmites 0
y 255. Si observamos la siguiente figura, aumentar o disminuir el brillo en una
imagen consiste en aumentar o disminuir la ordenada al origen de la lnea recta
con pendiente a 45 grados que representa los grises.
23
25
En base a esta relacin se sabe que al pxel Xi le corresponde el color del pxel Ci.
Como se mencion entre las premisas Win y Wout son nmeros enteros positivos,
lo que no implica que el cociente entre ellos sea otro entero positivo, puede
resultar en un fraccional ocasionando que la coordenada del pxel Ci sea un
fraccional, lo cual es imposible dado que las imgenes son matrices.
Ante el inconveniente de que Ci es un fraccional, se presentan dos posibles
decisiones:
Tomar el valor entero ms cercano de Ci, es decir Xi= E (Ci).
Hacer una linealizacin entre E (Ci) y E (Ci)+1, es decir sacar un valor ponderado
entre los dos pxeles, brinda un efecto de suavizado ms agradable. En la Figura
2.14 se muestra la ponderacin que se suele utilizar en este tipo de algoritmos de
redimensionamiento lineal.
26
27
2.2.7 Rotacin.
A continuacin se presenta uno de los procedimientos ms sencillos para rotar
imgenes. Denominamos x e y a las coordenadas de un pxel en un mapa de bits,
para localizar su imagen (x, y) a travs de la rotacin del centro (xo, yo) y ngulo
usamos las siguientes ecuaciones:
2.3 Segmentacin.
El primer paso en cualquier proceso de anlisis de imagen es la segmentacin.
Mediante la segmentacin vamos a dividir la imagen en las partes u objetos que la
forman. El nivel al que se realiza esta subdivisin depende de la aplicacin en
particular, es decir, la segmentacin terminara cuando se hayan detectado todos
los objetos de inters para la aplicacin.
Los algoritmos de segmentacin de imagen generalmente se basan en dos
propiedades bsicas de los niveles de gris de la imagen: discontinuidad y similitud.
Dentro de la primera categora se intenta dividir la imagen basndonos en los
cambios bruscos en el nivel de gris. Las reas de inters en esta categora son la
deteccin de puntos, de lneas y de bordes en la imagen. Las reas dentro de la
segunda categora estn basadas en las tcnicas de umbrales, crecimiento de
regiones, y tcnicas de divisin y fusin. [8]
30
31
32
33
CAPITULO 3
3. LABVIEW EN APLICACIONES DE PROCESAMIENTO DE IMGENES.
LabVIEW (Laboratory Virtual Instrument Engineering Workbench) es un lenguaje
de programacin grfico para el diseo de sistemas de adquisicin de datos,
instrumentacin y control. Con LabVIEW es facil disear una aplicacin con el uso
de diagramas a bloques. Es a la vez compatible con herramientas de desarrollo
similares y puede trabajar con programas de otra rea de aplicacin, como por
ejemplo Matlab. Tiene la ventaja de que permite una fcil integracin con el
hardware, especficamente con tarjetas de medicin, adquisicin y procesamiento
de datos (incluyendo adquisicin de imgenes). [11]
A continuacin se presentar una breve introduccin a la utilizacin del software
LabView, con la finalidad de realizar el anlisis, inspeccin y procesamiento
digital de imgenes.
Para poder capturar imgenes con LabVIEW con una webcam se debe contar
con un controlador llamado IMAQdx, el cual est disponible en el paquete de NI
IMAQ y nos permite comunicarnos con cualquier cmara.
Una vez que se cuenta con este controlador, se instalar una paleta de funciones
en LabVIEW que permite hacer la adquisicin y diferentes tipos de
procesamientos de imgenes.
Una de las herramientas ms importantes de IMAQdx para los cientficos, radica
en la identificacin de las coordenadas de elementos fsicos de diferentes formas,
esto permite obtener las coordenadas de movimiento de los objetos en tiempo
real, lo cual facilita la realizacin de clculos de velocidad, posicin, aceleracin,
entre otras. Las herramientas de NI IMAQ son fciles de implementar, y lo mejor
es que permiten un gran control de los procesos.
NI IMAQdx es un mdulo que cuenta con un controlador para adquirir, visualizar,
registrar y monitorear imgenes desde varios tipos de cmaras. Este software est
incluido con todo el hardware de visin (NI Smart Cameras, sistemas de visin,
tarjetas de adquisicin de imgenes) y todas las licencias del software de visin
(Mdulo Vision Development) y licencias del NI Vision Builder for Automated
Inspection (incluyendo licencias de ejecucin). [12]
En esta seccin se proceder a realizar una explicacin ms a detalle de algunas
de las herramientas que componen al mdulo NI Vision.
El conjunto de libreras que nos facilita IMAQ Vision para el diagrama de bloques
son las siguientes:
Ni-IMAQ: Posee los instrumentos virtuales (Virtual Instruments, VI) que establecen
el sistema de adquisicin y captura las imgenes. [13]
35
36
37
New Image, nos proporciona la salida de la imagen, que a su vez sirve de entrada
a las muchas funciones usadas por NI Vision.
En la Figura 3-9 se muestra el ejemplo para crear un espacio de memoria para
trabajar con imgenes en formato RGB de 32 bits.
39
La funcin IMAQ Copy, la cual nos permite duplicar una imagen. Uno de los
propsitos de este VI es almacenar una copia de la imagen original antes de
cualquier procesamiento y as poder comparar al final del proceso.
Respecto a las entradas y salidas de este VI, la entrada Image Src es la imagen
fuente que se desea copiar, mientras que Image Dst es la referencia de la imagen
donde se va a copiar. Image Dst Out es la imagen copiada, la cual debe ser la
misma que Image Dst.
En la Figura 3-13 se muestra un ejemplo del uso de este VI.
40
41
IMAQdx Open Camera: Crea una sesin de IMAQdx USB, una vez proporcionado
el nombre de la cmara USB. Esta permite escoger el modo de adquisicin de la
cmara por medio del parmetro modo de video.
42
43
44
45
Figura 3-23. Diagrama de bloques con uso de IMAQdx Snap y lazo de repeticin.
46
47
En la Figura 3-27 tenemos el panel frontal del ejemplo de captura del modo grab.
48
49
50
51
52
Figura 3-38. Diagrama de bloques de deteccin de umbral usando IMAQ AutoB Threshold
54
En la Figura 3-40 se puede ver IMAQ Particle Analysis Report, las nicas entradas
son la imagen fuente y una entrada lgica binaria para indicar el tipo de
55
Figura 3-41. Diagrama de bloques con el uso de IMAQ Particle Analysis Report.
Figura 3-42. Panel frontal con los resultados de IMAQ Particle Analysis Report.
56
Para trabajar con IMAQ Convolute son necesarias imgenes en escala de grises
de 8 bits. Las entradas ms importantes de este VI son la imagen fuente y el
kernel de convolucin, este ltimo definir si el filtro es de nitidez o suavizado.
En la Figura 3-44 se muestra el diagrama de bloques para un filtro de suavizado y
en la Figura 3-45 se ven la imagen original y la atenuada.
57
Para el siguiente ejemplo se modific la matriz del filtro (kernel) del filtro para
obtener la imagen ms ntida.
58
59
60
3.4.5. Ecualizador.
Es el ecualizador el elemento que permite modificar a nuestro gusto la curva de
respuesta de nuestro sistema. Esta modificacin se realiza con el empleo de filtros
que alteran la seal recibida. [15]
La obtencin de imgenes ideales se basa en dos factores:
1. Iluminacin uniforme.
2. Ganancia lineal.
61
3.4.6 Histograma.
El histograma es un diagrama de barras donde el eje x representa los niveles de
gris de una imagen, y el eje y, las frecuencias relativas de los distintos niveles de
gris, es decir, la cantidad de puntos asociados a cada nivel de gris, dividido por la
cantidad total de puntos de la imagen.
Histogram Report es una entrada opcional para igualar una imagen basada en su
histograma. Para igualar una imagen basado en el histograma de otra imagen,
ejecute el IMAQ Histograma VI antes de la IMAQ Equalize VI para suministrar una
entrada para Histograma Informe.
La modificacin para el valor de pxel depende de los contenidos de histograma,
sin tener en cuenta el tipo de imagen utilizado. Todos los pxeles que entran en la
misma clase histograma tienen un valor idntico despus de la ecualizacin.
62
Captulo 4.
4. DISEO E IMPLEMENTACIN DEL SISTEMA PARA LA DETECCIN
DE CUERPOS SOLIDOS.
Debido a los altos volmenes de produccin, y a los altos estndares de calidad
que demandan el mercado actual. La idea de implementar un sistema de visin en
cualquier ambiente, ya no es una idea futurista, sino una solucin del presente
que permite minimizar los riesgos.
La solucin que se presenta fue conceptualizada a fin de dar solucin a la
necesidad actual de establecer un sistema de control en donde la calidad del
producto.
Para el caso particular de esta aplicacin, se trata de un rea especfica, utilizando
envases plsticos.
63
Otra alternativa que se tom en cuenta en lugar del plstico fue el vidrio, el cual
tiene las siguientes caractersticas.
64
65
66
67
68
los LEDs este detalle es de vital importancia ya que es el arreglo adecuado para
el cual se encuentran configurados los algoritmos de deteccin de turbiedades.
69
No. De Articulo
1
2
3
4
5
6
7
TOTAL
Descripcin
Cmara
Caja de madera
Tira de LEDs
Interruptor
Adaptador de 12v
Pelln textil (1m)
frasco
Cantidad
1
1
1
1
1
1
13
Precio unitario
$250.00
$150.00
$100.00
$20.00
$100.00
$10.00
$6.00
$608.00
70
Sistema de iluminacin
Cmara USB
Computadora
71
Programa de LabVIEW
Diagrama de Flujo.
Para lograr los objetivos del proyecto para la deteccin de impurezas, se dise
un programa principal que consta de 4 partes claramente definidas, que siguen el
siguiente orden:
72
Captura de la imagen.
Procesado de la imagen capturada.
Anlisis del procesamiento de la imagen del frasco.
Aceptacin o rechazo del frasco.
73
74
75
77
78
79
80
Captulo 5
5 ANLISIS E INTERPRETACIN DE RESULTADOS.
5.1 DATOS EXPERIMENTALES.
En el presente captulo se realizar una descripcin y anlisis de las pruebas
realizadas con del sistema implementado en LabVIEW.
La parte final del proyecto consisti en hacer pruebas, donde se tuvieron en
cuenta diferentes aspectos del sistema como: Iluminacin, Impurezas en el
contenido del lquido, distancia entre sistema de iluminacin, botella, y cmara.
81
Figura 5-1
Parte a)
Parte b)
82
83
84
200
0ml
0ml
0ml
0ml
0ml
5ml
5ml
5ml
5ml
5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
10ml
10ml
10ml
10ml
10ml
85
Nmero de partculas
detectadas
600
400
200
2g
2g
2g
2g
2g
2g
2g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
0g
0g
0g
86
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
.95g
.95g
.95g
.95g
.95g
.95g
.95g
0g
0g
0g
Nmero de partculas
detectadas
TOTAL DE
ACIERTOS
99.60%
87
Conclusiones y Recomendaciones.
El sistema desarrollado conllev numerosas y variadas etapas de investigacin,
incontables ajustes y muchas pruebas con la finalidad de alcanzar el algoritmo
final, basado en mtodos, consideraciones, problemticas y necesidades
suscitadas en el planteamiento y en el desarrollo. Conforme a todo lo planteado se
concluye y recomienda:
Conclusiones.
1. El sistema de deteccin de turbiedades funcion exitosamente, claro teniendo
en cuenta las consideraciones indispensables para esto como son: se trabaj con
un lquido homogneo, un frasco transparente con las dimensiones especificadas
y con la definicin sui gneris de turbiedad. El algoritmo fue capaz de detectar
turbiedades flotando en la parte central, variaciones en la tonalidad del lquido.
2. La eleccin de LabVIEW como software de programacin fue muy acertada,
en esta plataforma se pueden encontrar muchos instrumentos virtuales, que con
un nivel de conocimiento intermedio acerca del procesamiento de imgenes y de
programacin, permiten al diseador implementar de manera simple e incluso ms
fcil que con otros programas las soluciones para este proyecto. Se logr
configurar filtros de nitidez, binarizar imgenes y buscar patrones con los
instrumentos virtuales proporcionados en la librera NI Vision y NI Development.
3. El proyecto fue pensado para brindar un producto simple y flexible y cumple con
dicho objetivo, si se realiza un cambio fijo en la intensidad de iluminacin (por
ejemplo se coloca un mayor o menor nmero de LEDs,) esto ser posible
cambiando los valores de umbral de los algoritmos y stos funcionarn
correctamente.
4. La tcnica para la deteccin de objetos slidos o turbiedades se basa en tres
algoritmos de procesamiento de imgenes. Los cuales son: convertir una imagen
de color a escala de grises, y luego convertirla en binario. La conversin en binario
se bas en los mtodos estadsticos proporcionados por NI Vision, en este caso,
se us la entropa, debido a que permite detectar cuerpos slidos en minsculas
proporciones en la imagen.
Se configuraron los instrumentos virtuales para que se enfoquen en los objetos
oscuros, para hacer contraste con el fondo de iluminacin blanco; resaltando las
impurezas como oscuros.
88
Anexos.
Anexo 1: Tablas de resultados.
Pruebas realizadas con chocolate en polvo.
En la tabla de siguiente se muestran los resultados ordenados ascendente de acuerdo a la
cantidad de gramos de suciedad que contiene la botella.
Nmero de
Imagen
Analizada
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Cantidad
en
gramos
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0.95g
0.95g
Nmero de
partculas
detectadas
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
113
95
Nmero de
Imagen
Analizada
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
89
Cantidad en
gramos
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
0.95g
1.3g
1.3g
Nmero de
partculas
detectadas
138
108
139
263
131
97
120
110
104
105
100
321
157
209
69
121
111
59
118
108
232
70
75
179
266
58
58
62
208
280
Nmero de
Imagen
Analizada
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
Cantidad
en gramos
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.3g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
Nmero de
partculas
detectadas
419
279
374
382
344
311
492
417
506
393
533
492
342
461
527
544
524
580
591
444
380
448
473
315
350
470
463
300
529
445
476
473
776
602
296
370
503
496
430
Nmero de
Imagen
Analizada
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
90
Cantidad en
gramos
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
Nmero de
partculas
detectadas
883
788
514
567
394
485
522
512
444
467
437
466
552
600
377
563
544
267
389
292
344
308
700
387
485
888
772
363
694
493
583
329
468
448
445
547
875
416
301
Nmero de
Nmero de
Cantidad en
Imagen
partculas
gramos
Analizada
detectadas
139
2g
348
140
2g
753
141
2g
510
142
2g
305
143
2g
364
144
2g
403
145
2g
374
146
2g
387
147
2g
662
148
2g
308
149
2g
359
150
2g
678
Pruebas realizadas con salsa picante.
En la tabla de siguiente se muestran los resultados ordenados ascendente de acuerdo a la
cantidad de mililitros de suciedad que contiene la botella.
Nmero de
Imagen
Analizada
Cantidad
mililitros
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
0ml
Nmero de
partculas
detectadas
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Nmero de
Imagen
Analizada
Cantidad
mililitros
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
0ml
0ml
0ml
0ml
0ml
5ml
5ml
5ml
5ml
5ml
5ml
5ml
5ml
5ml
5ml
5ml
5ml
5ml
5ml
5ml
91
Nmero de
partculas
detectadas
0
0
0
0
0
21
26
58
48
68
346
53
33
325
63
42
299
26
90
243
Nmero de
Imagen
Analizada
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
Cantidad
mililitros
5ml
5ml
5ml
5ml
5ml
5ml
5ml
5ml
5ml
5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
7.5ml
10ml
10ml
Nmero de
partculas
detectadas
52
91
53
52
104
171
270
65
150
30
324
543
457
460
281
71
445
230
859
108
543
680
118
692
96
377
721
87
85
710
538
37
567
606
398
60
102
Nmero de
Imagen
Analizada
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
92
Cantidad
mililitros
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
10ml
Nmero de
partculas
detectadas
138
64
670
175
379
370
69
372
305
359
293
262
462
393
620
104
453
250
511
314
448
286
930
Cantidad
en gramos
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
0g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
Nmero de
partculas
detectadas
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
295
289
294
214
102
304
325
124
315
248
308
267
309
172
192
106
114
Nmero de
Imagen
Analizada
Cantidad
en gramos
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
1g
93
Nmero de
partculas
detectadas
103
283
280
141
165
169
183
158
317
239
101
306
336
323
158
281
354
309
217
265
227
0
0
325
158
241
162
240
350
347
265
333
Nmero de
Imagen
Analizada
Cantidad en
gramos
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
1g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
2g
Nmero de
partculas
detectadas
218
473
549
432
488
305
383
502
433
951
856
602
783
602
504
872
667
995
612
261
991
259
991
307
667
227
297
340
455
971
343
1067
596
427
644
728
94
95
Cantidad
en gramos
.95g
.95g
.95g
.95g
.95g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
1.5g
Nmero de
partculas
detectadas
31
27
24
47
23
106
67
100
132
126
104
77
90
127
82
122
94
128
86
90
152
162
100
173
92
133
Anexo 2.
Instrucciones bsicas para la instalacin de LabVIEW.
Instale NI LabVIEW y Controladores para Control de Instrumentos.
96
97
99
100
101
Drivers NI-IMAQdx son para FireWire, GigE y cmaras USB, ninguna de las
cuales requieren ningn hardware de National Instruments. Por lo tanto, NIIMAQdx requiere una licencia de pago, aunque es posible instalarlo para una
evaluacin de 30 das.
A continuacin en las ventanas siguientes se mostrara el contenido de los
modulos, presione next.
102
Figura 8. Instalacin.
Marque la casilla de activacin slo si usted tiene una licencia del Software NI
Vision Acquisition pagado. No hay necesidad de activar si se va a utilizar slo
los drivers NI-IMAQ (y no conductores NI-IMAQdx).
106
107
Glosario
LabVIEW: (acrnimo de Laboratory Virtual Instrumentation Engineering
Workbench) es una plataforma y entorno de desarrollo para disear sistemas, con
un lenguaje de programacin visual grfico.
Pixel: es la menor unidad homognea en color que forma parte de una imagen
digital, ya sea esta una fotografa, un fotograma de vdeo o un grfico.
SVA: Tambin conocida como visin por computador (del ingls computer vision)
o visin tcnica, es un campo de la inteligencia artificial. El propsito de la visin
artificial es programar una computadora para que "entienda" una escena o las
caractersticas de una imagen.
MATLAB es una herramienta de software matemtico con un lenguaje de
programacin propio (lenguaje M) y un entorno interactivo para el clculo
numrico, la visualizacin y la programacin.
Umbral: El umbral es la cantidad mnima de seal que ha de estar presente para
ser registrada por un sistema. Por ejemplo en procesamiento de imgenes separar
los objetos de una imagen que nos interesen del resto. Con la ayuda de los
mtodos de valor umbral en las situaciones ms sencillas se puede decidir
qu pxeles conforman los objetos que buscamos.
Kernel: Es una matriz de nmeros que son los coeficientes por los que debe
multiplicar los valores de intensidad del entorno de cada punto.
Convolucin es un operador matemtico que transforma dos funciones f y gen
una tercera funcin que en cierto sentido representa la magnitud en la que se
superponen f y una versin trasladada e invertida de g.
Clster: El trmino clster (del ingls clster, "grupo" o "racimo") se aplica a los
conjuntos o conglomerados de computadoras construidos mediante la utilizacin
de hardware comn y que se comportan como si fuesen una nica computadora.
108
Fuentes de informacin:
Instituto Tecnolgico de Chihuahua
Ricardo Fuentes Covarrobias
Crecencio Vallejo
Andrs Gerardo Fuentes Covarrobias.
*El ojo humano. Instrumentos pticos.
http://www.telecable.es/personales/diegoardura/Docs/2bach/Ojo%20e%20instrum
entos%20opticos.pdf [1]
*VISIN ARTIFICIAL: CONCEPTOS GENERALES
http://www.etitudela.com/celula/downloads/visionartificial.pdf [2]
*APLICACIONES DE LA VISIN ARTIFICIAL
http://dmi.uib.es/~ygonzalez/VI/Material_del_Curso/Teoria/Aplicaciones_VC.PDF
[3]
* Captulo 8: Procesamiento digital de imgenes
http://www2.uacj.mx/Publicaciones/GeneracionImagenes/imagenesCap8.pdf [4]
*La iluminacin; C.A.I. Centro de apoyo a la Investigacin de la Universidad de
Alcal (Madrid) Espaa
http://foto.difo.uah.es/curso/la_iluminacion.html [5]
*Es mejor una reflex con sensor CCD o CMOS?
http://www.decamaras.com/CMS/content/view/347/40-Es-mejor-una-reflex-consensor-CCD-o-CMOS [6]
*Captulo 2: Representacin de imgenes digitales
http://www.lcc.uma.es/~munozp/documentos/procesamiento_de_imagenes/temas/
pi_cap2.pdf [7]
*Tcnicas Clsicas de Segmentacin de Imagen; Marcos Martn; 4 de mayo de
2004
http://lmi.bwh.harvard.edu/papers/pdfs/2003/martin-fernandezCOURSE03b.pdf [8]
*Captulo 6: Segmentacin de imgenes
109
http://www.lcc.uma.es/~munozp/documentos/procesamiento_de_imagenes/temas/
pi_cap6.pdf [9]
*Estimacin de coordenadas de un objeto esfrico usando labview; Claudio Ismael
Pineda
http://dspace.ups.edu.ec/bitstream/123456789/5203/1/UPS-CT002744.pdf [10]
TUTORIAL DE LABVIEW
Universidad Distrital "Francisco Jose de Caldas"; Laboratorio de Electrnica;
Henry Antonio Roncancio. Grupo LIV; Hector Cifuentes; 2001
http://perso.wanadoo.es/jovilve/tutoriales/016tutorlabview.pdf [11]
**Cmaras Inteligentes NI para Visin Artificial
http://sine.ni.com/np/app/main/p/ap/vision/lang/es/pg/1/sn/n17:vision,n21:11601/fm
id/3048/ [12]
*
http://sine.ni.com/nips/cds/view/p/lang/es/nid/207702 [13]
*Comparacin de versin: LabVIEW VISION - Modulo NI Vision
https://decibel.ni.com/content/docs/DOC-30530/diff?secondVersionNumber=3 [14]
*La ecualizacin; Jaime Prez Aranda
http://www.ieslosviveros.es/alumnos/asig8/carpeta729/5ECUALIZACI_NPDF.pdf
[15]
*Procesamiento Digital de Imgenes; Dr. Boris Escalante R.; 6 de Octubre de 2006
http://verona.fi-p.unam.mx/boris/teachingnotes/Capitulo4.pdf [16]
* Vision 2010 for LabVIEW Help IMAQ Equalize VI
http://zone.ni.com/reference/en-XX/help/370281M-01/imaqvision/imaq_equalize/
[17]
* Logitech Webcam C170
http://www.logitech.com/es-roam/product/webcam-c170 [18]
* Instale NI LabVIEW y Controladores para Control de Instrumentos
http://www.ni.com/gettingstarted/installsoftware/esa/instrumentcontrol.htm#step7
[19]
110