Identificador persistente para citar o vincular este elemento: http://hdl.handle.net/10553/12692
Título: Prototipo de herramienta para el inventariado automático de piezas de Lego basado en visión artificial
Autores/as: Rodríguez Garrido, Alberto Jesús
Director/a : Quesada-Arencibia, Alexis 
Rodríguez Rodríguez, José Carlos 
Clasificación UNESCO: 120317 Informática
Palabras clave: Visión artificial
Piezas Lego
Librería
OpenCV
Detección, et al.
Fecha de publicación: 2014
Resumen: Se presenta un prototipo de herramienta para la detección, segmentación, clasificación y conteo de piezas Lego basado en la librería de visión artificial OpenCV. Este prototipo surge ante la necesidad de automatizar la compleja y tediosa tarea del inventariado de kits Lego de la serie MindStorm. En el proceso de detección y segmentación se han utilizado técnicas de umbralizado y el algoritmo de segmentación Watershed. Para el proceso de clasificación y conteo se han empleado dos aproximaciones diferentes en la obtención del vector de características de la imagen: BOW y Naive; así como máquinas de vector soporte (SVM) para la clasificación. Entre otras aportaciones, dicho prototipo permite: 1. guardar y recuperar los datos de sesión del clasificador (datos de configuración y entrenamiento), 2. usar descriptores de imágenes no soportados aún por OpenCV, p. ej. KAZE, y 3. utilizar una técnica de clusterización binaria optimizada por el autor que posibilita operar con descriptores de imágenes binarios. Las pruebas demuestran que el prototipo es capaz de alcanzar tasas de acierto (piezas correctamente identificadas) de hasta el 98 %.
A prototype tool based on computer vision library OpenCV for detection, segmentation, classification and counting of Lego pieces is presented. This prototype arises from the need to automate the complex and tedious task that is the inventory of Lego Mindstorm kits series. For the detection and segmentation process, thresholding techniques and the segmentation algorithm Watershed have been used. For the classification and counting process two different approaches have been used in order to get the image features vector: BOW and Naive; we have also used support vector machines (SVM) for the classification process. Among other contributions, the prototype allows: 1. storing and retrieving classifier session data (configuration and training data), 2. using image descriptors not supported by OpenCV, eg . KAZE, and 3. using a binary clustering technique optimized by the author that enable to operate with binary descriptors images. Tests show that the prototype is able to achieve accuracy rates (correctly identified pieces) until 98%.
Descripción: Permitida la difusión del código bajo los términos de la licencia BSD de tres cláusulas.
Departamento: Departamento de Informática y Sistemas
Facultad: Escuela de Ingeniería Informática
Titulación: Grado en Ingeniería Informática
URI: http://hdl.handle.net/10553/12692
Derechos: by-nc-nd
Colección:Trabajo final de grado
miniatura
Memoria
Adobe PDF (3,19 MB)
Código
ZIP (61,92 MB)

En el caso de que no encuentre el documento puede ser debido a que el centro o las/os autoras/es no autorizan su publicación. Si tiene verdadero interés en el contenido del mismo, puede dirigirse al director/a o directores/as del trabajo cuyos datos encontrará más arriba.

Vista completa

Visitas

243
actualizado el 08-abr-2023

Descargas

81
actualizado el 08-abr-2023

Google ScholarTM

Verifica


Comparte



Exporta metadatos



Los elementos en ULPGC accedaCRIS están protegidos por derechos de autor con todos los derechos reservados, a menos que se indique lo contrario.