Por favor, use este identificador para citar o enlazar este ítem:
http://ciateq.repositorioinstitucional.mx/jspui/handle/1020/476| Sistema de visión inteligente para detección de etiquetas en conductores eléctricos recubiertos | |
| JUAN JOSE NAVARRO MARTINEZ | |
| Carolina Reta José Guadalupe Rico Espino | |
| Acceso Abierto | |
| Atribución-NoComercial-CompartirIgual | |
| Detección de texto en cables Sistemas de visión Character recognition systems Text detection on cables Vision systems | |
| El etiquetado de los cables eléctricos permite identificar distintos cables o lotes de productos y conocer sus características. En el proceso de etiquetado se pueden presentar distintos tipos de errores o defectos en el texto impreso sobre los conductores eléctricos. En esta tesis se propone un sistema de visión inteligente aplicado a las líneas de extrusión en la manufactura de cables, permitiendo realizar la inspección visual del etiquetado del cable de forma automática, a través de tres componentes principales: captura de imágenes; algoritmos de tratamiento de imágenes y OCR; y visualización de los resultados. El software del sistema de inspección desarrollado está basado en algoritmos de procesamiento y análisis de imágenes digitales y fue realizado en cinco etapas. En la primera etapa se realiza el pre procesado de las imágenes mediante cuatro métodos propuestos: TBH, basado en operaciones morfológicas; KMN, basado en clusterización; MrRecon, basado en reconstrucción morfológica; y un método basado en la fusión de la validación de los métodos anteriores. En la segunda etapa se realiza la detección de ruido y defectos en el texto mediante un clasificador propuesto denominado S.A.F.E. En la tercera etapa se realiza el reconocimiento óptico de caracteres utilizando el motor Tesseract OCR. En la cuarta etapa se realiza la validación del texto a través de un algoritmo propuesto denominado VALET. En la quinta etapa se realiza la visualización de los resultados obtenidos de las etapas anteriores. La validación del texto utilizando VALET permitió obtener una tasa de error promedio del 26.53% para el método TBH, 19.45% para el método KMN, 14.75% para el método MrRecon y 8.69% para la fusión de los tres métodos. El software desarrollado es robusto y permite detectar distintos defectos, manchas pequeñas o desperfectos en el etiquetado. Mediante el sistema de visualización desarrollado, el software alerta al operador sobre los desperfectos o defectos encontrados, brindándole información para que pueda verificar el resultado de la inspección. Cable labeling allows to identify different cables or batch of products and to know their characteristics. In the labeling process, different types of errors or defects can occur in the printed text on the electrical conductor. In this thesis, an intelligent vision system applied to extrusion lines in cable manufacturing is proposed. The system allows the visual inspection of cable labeling to be carried out automatically through three main components: image capture, image processing and OCR algorithms, and results visualization. The inspection system software is based on digital image processing and analysis algorithms and was carried out in five stages. In the first stage, pre-processing is carried out and four methods were developed: TBH (based on morphological operations), KMN (based on clustering), MrRecon (based on morphological reconstruction), and a method based on the fusion of the validation of all of them. In the second stage, the text’s detection of noise and defects is performed by a proposed classifier called S.A.F.E. In the third stage, the optical character recognition is carried out using the Tesseract OCR engine. In the fourth stage, the text is validated using a proposed algorithm called VALET. In the fifth stage, the results obtained from the previous stages are displayed. The developed software is robust and allows detecting different defects, small ink spots, or flaws in the labeling. The text’s validation using VALET allowed to obtain an average error rate of 26.53% for the TBH method, 19.45% for the KMN method, 14.75% for the MrRecon method, and 8.69% for the fusion of these three methods. Through the visualization system, the software alerts the operator about the flaws or errors, providing the operator with information to verify the result of the inspection. | |
| CIATEQ, A.C. | |
| 2020 | |
| Tesis de maestría | |
| Español | |
| Público en general | |
| SISTEMAS DE RECONOCIMIENTO DE CARACTERES | |
| Versión aceptada | |
| acceptedVersion - Versión aceptada | |
| Aparece en las colecciones: | Maestría en Manufactura Avanzada |
Cargar archivos:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| NavarroMartinezJuanJ MMANAV 2020.pdf | Tesis de maestría en texto completo | 4.76 MB | Adobe PDF | Visualizar/Abrir |