Módulo robótico para la clasificación de lulos (Solanum Quitoense) implementando visión artificial
Palabras clave:
Visión Artificial, Brazo Robótico, Cinemática Inversa, Cinemática DirectaResumen
En este artículo se expone el diseño e implementación de un módulo robótico para la clasificación de lulos integrando técnicas de control, visión artificial y robótica. El proceso que permite la clasificación de lulos opera sobre algoritmos para el control de un brazo robótico de 5 GDL, que basado en la información obtenida con técnicas de visión de artificial permite seleccionar lulos con características previamente definidas por el usuario, como son tamaño, color e imperfecciones en el fruto. Se inicia realizando un diseño CAD del módulo, el cual permite establecer las propiedades físicas, definir materiales, técnicas de fabricación y realizar estudio de movimiento de los distintos mecanismos involucrados en el proceso. Se implementaron los algoritmos de control, la cinemática del brazo robótico y los algoritmos de visión artificial. El resultado se resume en un módulo robótico de carácter académico que permite la clasificación de lulos.
Descargas
Citas
[2] A. Ming and H. Ma, “A blob detector in color images”, Proceedings of the 6th ACM international conference on Image and video retrieval, pp. 364,370, 2007.
[3] T. Theodoridis and Hu Huosheng, “Toward Intelligent Security Robots: A Survey”, IEEE Transactions on Systems, Man, and Cybernetics, Part C: Applications and Reviews, vol. 42, n° 6, pp.1219, 1230, Nov. 2012.
[4] C. Riaño, C. Peña, and A. Pardo, “Approach in the Optimal Development of Parallel Robot for Educational Applications”, Proceedings of the WSEAS international conference on Recent Advances in Intelligent Control, Modelling and Simulation (ICMS), pp.145,150, January 2014.
[5] C. Peña, E. Yime, and I. Banfield, “Dimensional calculation optimal platform Stewart-Gough type parallel to pedagogical applications using genetic algorithms”, Inge-CUC, vol. 7, n° 1, pp.127,138, Oct. 2011.
[6] M. J. Schuster, D. Jain, M. Tenorth, and M. Beetz, “Learning organizational principles in human environments”, IEEE International Conference on Robotics and Automation (ICRA), pp. 3867, 3874, May 2012.
[7] A. Ollero, Robótica: manipuladores y robots móviles. Marcombo, 2001, p. 464.
[8] J. Marsot, “QFD: a methodological tool for integration of ergonomics at the design stage”, Applied Ergonomics, vol. 36, n° 2, pp.185,192, Mar. 2005.
[9] L. Sooyeon, K. Youngshin, J. Youn, P. Sehyeok, and K. Jaehyun, “Contrast-preserved chroma enhancement technique using YCbCr color space”, IEEE Transactions on Consumer Electronics, vol. 58, n° 2, pp. 641, 645, May 2012.
[10] A. Barrientos, L. Peñin, C. Balaguer, and R. Aracil, Fundamentos de robótica. McGraw-Hill, Interamericana de España, Ed. 2, pp. 512, 2007.
[11] I. Zabalza, “Sintesis cinematica y dinamica de mecanismos. Manipulador paralelo 6-RKS”, Ph.D. Tesis, Universidad Pública de Navarra, pp.267, Dic. 1999.
[12] R. Norton, Diseño de maquinaria, 4ª ed. Pearson, 2011, p. 888.
[13] J. Marsot and L. Claudon, “Design and ergonomics. Methods for integrating ergonomics at hand tool design stage”, International Journal of Occupational Safety and Ergonomics, vol. 10, n° 1, pp. 13-23, 2004.
[14] C. Jianjie, Y. Suihuai, C. Guoding, and W. Haijun W., “Research on product design quality control methods based on QFD”, IEEE 11th International Conference on Computer-Aided Industrial Design & Conceptual Design (CAIDCD), vol.1, n°1, pp. 35,39, 17-19 Nov. 2010.
[15] Y. Akao, M. Sperry, and R. Fiorentino, “QFD: prendre en compte les besoins du client dans la conception du produit”, Afnor, Ed. 1, pp. 349, Dic. 1993.
[16] Chang. Young-Chang and J. F. Reid, J.F., “RGB calibration for color image analysis in machine vision”, IEEE Transactions on Image Processing, vol. 5, n°10, pp.1414,1422, Oct 1996.
[17] C. Damerval and S. Meignen, “Blob Detection With Wavelet Maxima Lines”, Signal Processing Letters, IEEE , vol.14, n°1, pp.39,42, Jan. 2007.
[18] I. Young, J. Gerbrands, and L. Van, “Fundamentals of image processing”, Delft University of Technology, 2a ed., 1998, pp.111.
[19] M. Moghimi and H. Pourghassem, “Shadow detection based on combinations of HSV color space and orthogonal transformation in surveillance videos”, Iranian Conference on Intelligent Systems (ICIS), vol.1, n° 1, pp.1,6, Feb. 2014.
[20] M. Zanuy, Tratamiento digital de voz e imagen y aplicación a la multimedia, Marcombo, 2000, p. 288.
[21] A. Pardo and J. Díaz, Fundamentos en sistemas de control automático, Universidad de Pamplona, 2004, p.155.
[22] H. Bay, T. Tuytelaars, and L. Van, “Surf: Speeded up robust features”, in Computer Vision- ECCV 2006. Springer, 2006, pp. 404-417.
[23] Hesheng Wang, Yun-Hui Liu, and Weidong Chen, “Uncalibrated Visual Tracking Control Without Visual Velocity”, IEEE Transactions on Control Systems Technology, vol.18, n°6, pp.1359,1370, Nov. 2010
[24] F. Chaumette and S. Hutchinson, “Visual servo control. I. Basic approaches”, Robotics & Automation Magazine, IEEE, vol.13, n°4, p. 82,90, Dec. 2006.
[25] E. Martinez, C. Peña y P. Cárdenas, “Optimización dimensional de un robot paralelo tipo delta basado en el menor consumo de energía” Ciencia e Ingeniería Neogranadina, vol.1, nº 21, pp. 73 - 88, 2011.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Los artículos publicados son de exclusiva responsabilidad de sus autores y no reflejan necesariamente las opiniones del comité editorial.
La Revista INGE CUC respeta los derechos morales de sus autores, los cuales ceden al comité editorial los derechos patrimoniales del material publicado. A su vez, los autores informan que el presente trabajo es inédito y no ha sido publicado anteriormente.
Todos los artículos están bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivadas 4.0 Internacional.
English
Español (España)
