Desarrollo de un sistema para la validación de la pose de piezas industriales en cintas transportadoras con enfoque en simulación y experimentación avanzada

Abstract

Este proyecto se enfoca en desarrollar un sistema que utiliza imágenes de referencia y actuales de una cámara 2D para monitorizar y analizar piezas en una cinta transportadora en un entorno industrial. Se implementan interfaces gráficas, de comunicación y software para la integración de datos de los sensores, ejecutando algoritmos de preprocesamiento, detección de movimiento, extracción y comparación de características, así como reconocimiento de objetos mediante técnicas de visión artificial clásicas. Se propone una solución práctica desarrollada bajo el framework Qt respaldada por un simulador robusto que facilita la experimentación y el perfeccionamiento de algoritmos en entornos industriales simulados en 3D. El simulador se presenta como una herramienta versátil que puede apoyar la investigación de diversas técnicas de visión artificial y aprendizaje automático; desarrollado empleando el estándar OpenGL y el lenguaje C++ con enfoque orientado a objetos, constituye una herramienta potente y versátil para la emulación 3D de espacios industriales.

El algoritmo implementado, empleando la librería OpenCV, actúa como un clasificador analítico para determinar la validez de la pose de una pieza en una línea de producción. Se utilizan dos fuentes de datos: una colección estática de imágenes (piezas de referencia) y vectores de características precalculados y, por otro lado, frames provenientes de una cámara 2D (piezas a validar). El sistema emplea entidades algorítmicas cuasi inteligentes para procesar imágenes y otras señales, realizar análisis numérico, reconocimiento de características y otras labores, generando una respuesta final basada en estimaciones cuantitativas, votos, ponderaciones y umbrales empíricos. La combinación de múltiples algoritmos demuestra efectividad ante variaciones y deformaciones complejas.

Se destaca una fase experimental tanto en simulación como en la realidad en la que se configuran diversos entornos y condiciones para medir la capacidad del sistema en clasificar piezas válidas y no válidas, así como su precisión en escenarios adversos. Finalmente, tras haber puesto a prueba el sistema mediante análisis estadísticos de repetitividad para probar su robustez ante diversas casuísticas, se analizan los resultados y se concluye que el sistema en conjunto y los algoritmos implementados demuestran ser efectivos, culminando con una solución integral que aborda con éxito el desafío de monitorizar y analizar la pose de piezas en una línea de producción.