Paper Vision
-
Upload
carlosochoaperez -
Category
Documents
-
view
244 -
download
3
description
Transcript of Paper Vision
1
APLICACIÓN DE VISION ARTIFICIAL EN LABVIEW (Deteccion de color, presencia de etiqueta y marca en botellas)
Edison Javier Almeida Baroja – [email protected] -
Jessica Paola Barrionuevo Ponce– [email protected] –
Escuela Superior Politécnica del Ejercito, Ingeniería Mecatrónica (8vo nivel), Ecuador.
Abstract
The artificial vision known also as Vision for Computer, applied to the industry is nowadays a
reality, reason for which we propose the application of vision with Labview for the detection of
different parameters that characterize a bottle (color, labeling, and brand). The software to using
is Labview the same one that for possessing a graphical programming facilitates to a great extent
the construction of a program that uses in general as model for the artificial vision and in the
particular thing for the detection of the parameters before mentioned and a chamber was in use
usb for the capture of images. The program allows loading three images that will use as boss for
the later analysis; likewise it possesses a few indicators which show that type of bottle was
analyzed.
Keywords: Key words: Artificial Vision, Labview, Bottle, Chamber USB, Images.
Resumen
La visión artificial conocida también como Visión por Computador, aplicada a la industria es hoy en día una realidad, razón por la cual proponemos la aplicación de visión con Labview para la detección de diferentes parámetros que caracterizan una botella (color, etiquetado, marca). El software a utilizar es Labview el mismo que por poseer una programación gráfica facilita en gran medida la construcción de un programa que sirva en general de modelo para la visión artificial y en lo particular para la detección de los parámetros antes mencionados y se utilizara una cámara USB para la captura de imágenes. El programa permite cargar tres imágenes que servirán de patrón para el posterior análisis, así
mismo cuenta con unos indicadores los cuales muestran que tipo de botella fue analizada.
Palabras Claves: Visión artificial, Labview, Botella, Cámara USB, Imágenes.
2
INTRODUCCIÓN
En el entorno industrial, se busca cada vez más la productividad (procesos más eficientes). Además, estos niveles de productividad tienen que ir asociados con unos altos niveles de calidad del producto final. Por este motivo, es importante tener un control exhaustivo sobre el proceso productivo. Gracias a la constante reducción de costes y a la gran capacidad de los ordenadores, se puede
llegar a sustituir el cometido de una persona por un sistema de visión artificial. Asimismo, se
potencian las funciones del control de calidad de forma sustancial. Por lo tanto, la fiabilidad de
estos sistemas de control con respecto a la observación meramente visual es indiscutible
Sistema de Visión Artificial
El sistema de visión artificial (SVA) surgió a partir del desarrollo de la inteligencia artificial, con el
propósito de programar un computador para que sea capaz de “entender” una escena o las
características de una imagen. Por lo que se puede definir a la visión artificial como el “proceso de
extracción de información del mundo físico a partir de imágenes utilizando para ello un
computador”. Otra definición bastante aceptada es “ciencia que estudia la interpretación de
imágenes mediante computadores digitales”.
Fig1. Esquema sistema de visión artificial
Asistentes de National Instruments
NI Vission Assistent permite adquirir y capturar imágenes provenientes de dispositivos o cámaras que contengan un estándar compatible. Además contiene las herramientas para el procesamiento de Imágenes y permite transferir las operaciones realizadas al diagrama de bloque del programa en Labview.
3
Funcionalidades del módulo de visión
Adquisición de imágenes: trabaja con cámaras CCDs, tarjetas frame grabber, y fuentes de imagen médica, incluyendo ultrasonido, CT y MRI.
Compresión de imágenes: técnicas de compresión, formato de imágenes estándar e imágenes médicas DICOM.
Procesamiento de imágenes: operaciones en niveles de grises (histogramas), umbralizaciones, filtrado espacial, frecuencial y morfológico.
Análisis de imágenes: análisis cuantitativo y cualitativo a nivel de píxel, contornos y reconocimiento de patrones, códigos de barras, etc.
DESARROLLO
Para el desarrollo del proyecto utilizamos como materiales:
Caja
Cámara USB
PC con Labview (NI-VISION)
Serie de botellas con diferentes características
Reconocimiento y Clasificación El enfoque del reconocimiento se puede entender como una clasificación, y es la agrupación de objetos con una representación conocida (PATRONES) comparada con algún grupo representativo (CLASES). El diseño de un sistema de reconocimiento implica una fase de diseño que comprende el aprendizaje o entrenamiento del sistema de reconocimiento y una fase de funcionamiento en la que se clasifican los objetos extraídos.
Fig2. Diagrama de Bloques de la etapa
Adquisición de imagen
Cuando se trabaja con imágenes se tienen que tomar en cuenta una serie de conceptos y de pasos para lograr un mejor desempeño del sistema de reconocimiento.
4
Entre ellos están la iluminación, el tipo de cámara, la lente, el objeto y el ambiente en el que se ejecutará el sistema. Por ejemplo las variaciones de luz o la adición de ruido a las imágenes a reconocer pueden presentar dificultades al sistema. Al desarrollar un sistema de adquisición de imágenes se debe escoger adecuadamente el lugar en donde se efectuará la aplicación, buscando que la iluminación en el lugar de la aplicación contraste con el objeto y el fondo para su óptima localización. Se debe eliminar en lo posible reflejos y factores ambientales como: la luz del día, polvo, vibración, etc. Programación en Labview El programa de Labview se basa en una programación gráfica, estructural y secuencial. Permite desarrollar sistemas para: operar el programa de instrumentación, controlar y comandar el hardware seleccionado, procesar y analizar datos y señales adquiridas y visualizar resultados. El entorno de programación consta de un Panel Frontal y un Diagrama de Bloques. El Panel Frontal permite diseñar la interfaz de usuario a través de botones, dial, perillas, gráficos, indicadores luminosos, entre otros. El diagrama de bloques permite programar a través de estructuras como las del If, for, while, etc., como también anexar asistentes o estructuras de programación para análisis de señales, cálculos matemáticos, trigonométricos, etc, sistemas de control, procesamiento de imágenes, entre otros. La programación por bloques se ejecuta de forma secuencial, de esta manera se debe verificar que el flujo de datos siga un orden lógico.
Procedimiento
1. Abrimos una aplicación en Labview, nos ubicamos en el Block Diagram, donde en la barra de funciones con click derecho sobre la pantalla nos dirigimos a Vision and Motion, seleccionamos el ícono de Vision Express y damos doble click en Vision acquisition.
Fig3. Paso 1
5
2. Damos doble click para configurarlo, aparece la ventana NI Vision Acquisition Express
Seleccionamos la cámara que vamos a usar.
Fig4. Entorno Vision Acquisition
Luego de presionar en siguiente seleccionamos el segundo ícono que nos permitirá hacer una adquisición continua en línea de proceso y finalizamos.
Fig5. Configuración de las opciones de adquisición
6
3. Nos ubicamos en el Block Diagram, donde en la barra de funciones con click derecho sobre la pantalla nos dirigimos a Vision and Motion, seleccionamos el ícono de Vision Express y dentro de este la opción Vision Assistant.
Fig6. Paso 3
Lo ubicamos en el Block Diagram e inmediatamente aparece la venta de NI Vision
Assistant, donde procedemos a entrenar y colocar los filtros necesarios para nuestra
aplicación.
Fig7. Entorno de Vision Assistant
7
Utilizamos tres NI Vision Assistant, para detección de color, otro para la presencia o no de
etiqueta y el final para determinar la marca
Fig8. Vision Assistant utilizados
Determinación de color y presencia de etiqueta
Fig9. Filtros
8
Image Mask: Permite hacer un recorte de la imagen, seleccionamos el área de interés para los siguientes filtros a utilizarse
Fig10. Selección del área a recortar Fig11. Imagen recortada
Color classification: Identifica el color de acuerdo a un grupo de imágenes patrón que determinan cada color, determina las similares y las identifica. Tiene un modo de aprendizaje. Se utilizo el mismo principio para determinar la presencia o no de la etiqueta, así si presenta etiqueta se van a detectar varios colores (diferentes frecuencias) mientras que si existe ausencia de esta se detectara un solo color (color de la botella).
Fig12. Entorno Color classification
9
Determinación de marca
Fig13. Filtro utilizados en la determinación de marca
Measure: Calcula el valor de área de la región de interés para trabajar
Fig14. Calculo del área
10
Color Plane Extration: Permite escoger el mejor enfoque y textura de la fotografía.
Fig15. Extracción del mejor plano de color
Image Mask: Descrito anteriormente
Brightness: Permite modificar el brillo, contraste y gama de la imagen para obtener un
mejor filtrado
Fig16. Refinado del brillo de la imagen
11
Particle classification: Clasifica la imagen de la etiqueta comparándola con imágenes patrón previamente almacenadas en clases, así determina la marca de la botella
Fig17. Entorno de configuración para clasificar la marca
Overlay: Permite sobreponer un elemento a la imagen, se lo utilizo para controlar la
ubicación correcta de la botella para obtener el procesamiento adecuado de la imagen.
Fig18. Sobre posición de un recuadro
12
Con la utilización de todos los elementos descritos anteriormente pudimos obtener la siguiente
programación:
Fig19.Programacion Final
13
Resultados
El programa mostrara la imagen original adquirida, la imagen final filtrada e indicara la marca,
color y si la botella esta o no etiquetada. En caso de no presentar etiqueta no se puede determinar
la marca por lo que en este parámetro se presentara la palabra error.
Fig20.Resultado caja vacía
Fig21.Resultado Botella naranja sin etiqueta
14
Fig22.Resultado Botella de Chivas con etiqueta y color negro
15
CONCLUSIONES Y RECOMENDACIONES
• Podemos concluir que la iluminación se puede considerar como el punto más importante
para el desarrollo de proyectos de visión artificial con adquisición de imágenes ya que de
la intensidad y ubicación de esta va a depender el tipo de datos que recoja la cámara,
variando el procesamiento de los mismos y por ende el resultado que arroje el sistema.
• Es esencial el poseer una buena cámara para poder realizar un manejo adecuado de las
imágenes y del proceso en general.
• El colocar filtros para el brillo y contraste permiten al sistema procesar una mejor imagen,
lo cual facilita el manejo de las herramientas del sistema de visión.
• En la detección de objetos es adecuado determinar si se va a trabajar en un área específica
o en una región determinada, en nuestro caso tomamos un área que fue el de la etiqueta.
• Se posee la función ORC que permite identificar las letras o palabras de una imagen, el
inconveniente con este sistema fue la variación de etiquetas ya que se trabajo con varios
tipos de botellas, por lo cual se optó por un sistema diferente de identificación.
• La correcta identificación de colores es esencial en el sistema, ya que con las variaciones
de intensidad de luz y sombra, el sistema identificaba la imagen patrón que más se le
aproximaba pero no era la adecuada en muchos casos.
• El sistema se lo desarrollo de manera descubierta, funcionando con la variación de luz
ambiente, este no fue un problema de gran magnitud por la excelente cámara que se
manejo pero si es recomendado tener un sistema cerrado con iluminación interna, que
cuente con un ingreso del producto por banda transportadora y un sensor para que se fije
siempre en una posición.
REFERENCIAS
1. Aplicación de Visión con Labview para la Detección de Frascos entre 50 y 120 milímetros de Altura, Revista Tecnológica ESPOL
2. Manual de usuario de Labview