SISTEMA DE CONTROL DE CALIDAD POR PROCESAMIENTO DE

Vista previa del material en texto

SISTEMA DE CONTROL DE CALIDAD POR PROCESAMIENTO DE IMAGENES
INTEGRANTES:
*DAVILA CORDOVA ERIKA
*KAWAGUCHI DEL AGUILA CARLOS
*MORA BICERRA RENATO
*TELLO TAMANI ALFONSO
DOCENTE: Ing. TONY BARDALES
INTRODUCCIÓN
En el sector industrial se han generado diferentes avances tecnológicos para el control de calidad a partir de la visión artificial. Entre estos se encuentran una gran cantidad de proyectos en términos de dimensiones, color, forma, entre otros. Se propone un código que permite identificar la rugosidad superficial a partir de las marcas que se registran sobre el material al paso de la herramienta.
Para desarrollar dicho código, fue necesario identificar la velocidad de procesamiento, que debería tener el sistema, para que este pueda identificar la rugosidad, en velocidades de avance que permite el equipo. 
Una vez identificada esta restricción se procedió a diseñar el sistema de captura. 
A partir de las imágenes recolectadas se realizó un código cuya función es identificar la rugosidad superficial a partir de un análisis en frecuencia de la imagen.
Mecanizado del material
Este mecanizado consiste en eliminar material de una pieza por medio de una herramienta con filo. Entre los más comunes se encuentran: Taladrado, Torneado, Fresado, rectificado.
Centro de Mecanizado
Es un equipo automatizado que permite realizar gran variedad de operaciones por medio de control numérico computarizado (CNC), esto permite una menor intervención humana y una mayor velocidad de producción. Se divide en 2 tipos:
CENTROS DE MECANIZADOS CON HUSILLO VERTICAL
CENTROS DE MECANIZADOS CON HUSILLO HORIZONTAL
Mecanizado del material
Centros de mecanizado con husillo vertical
Permiten realizar operaciones en superficies planas y generar concavidades hondas, estos equipos generalmente poseen un menor costo que los horizontales y son altamente utilizadas para la fabricación de moldes. Están muy relacionados a realizar operaciones de fresado y taladrado.
Centros de mecanizado con husillo horizontal
Estos son más utilizados para la fabricación de piezas en donde se debe mecanizar toda la superficie del material. Se encuentran más relacionadas con aplicaciones de torneado.
MECANIZADO DEL MATERIAL
EMCO MILL 450
Este equipo es un centro de mecanizado vertical con una adaptación para un 4 eje, posee capacidad para 20 herramientas diferentes y una velocidad de avance de 10 m/mm la cual puede ser modificada partir de un control manual.
MECANIZADO DEL MATERIAL
Características de fresado en superficie plana
Al desplazar la pieza generando una superficie plana, se generan marcas circulares correspondiente al corte de la herramienta donde las distancias entre estas dependen del diámetro de la pieza, la velocidad de avance del equipo y el número de dientes de la herramienta.
Mecanizado del material
Rugosímetro
El dispositivo utilizado para medir la rugosidad superficial es el rugosímetro. Este realiza un mapeo de la superficie haciendo un recorrido a lo largo de una sección de la pieza, durante aproximadamente 30 segundos, para identificar las irregularidades de la superficie. A partir de los movimientos que se genere sobre el palpador, realiza un cálculo de la desviación media aritmética lo que genera la medida de la rugosidad en µm (micrómetro).
Sistema de captura
Para el reconocimiento de patrones mediante imágenes, es necesario identificar el tipo de lente a utilizar y las características de la cámara, además de los factores externos que afectan el sistema. Dentro de los factores importantes a tener en cuenta se encuentran: 
Cámara
Para la selección de la cámara de deben identificar los requisitos mínimos para tener una calidad de imagen suficiente para el procesamiento, para esto se tendrán en cuenta factores como: 
Monocromática o a color
Sensor
Frecuencia de captura
Resolución de la imagen
Número de canales (Tap)
Sistema de captura
Los CCD, al recibir señal de los píxeles adyacentes logran mayor sensibilidad permitiendo un elevado paso de luz.
Los CMOS, tienden a generar imágenes más oscuras al muestrear individualmente la señal en cada píxel para ser convertida en voltaje.
Para el caso de los CCD no es adecuado usar imágenes en movimiento ya que estos requieren un mayor tiempo para realizar la captura y tienen una mayor exposición de luz al sensor la cual hace que el efecto de desplazamiento sea más evidente. 
Diferentes modos de transferencia, estos modos también indican la forma en que se recorre la imagen al ser capturada.
Monocromática o a color
El uso de cámaras monocromáticas agiliza la captura de imágenes mientras que las cámaras a color contiene mayor nivel de detalle para el ojo humano.
Este es un factor a tener en cuenta si se está realizando procesamiento de imágenes a alta velocidad.
Tipos de sensores:
CCD
CMOS
Frecuencia de captura
Indica cuantas imágenes es posible adquirir en determinado tiempo. Normalmente se encuentra en Hz y requiere de identificar en el sistema de captura, el máximo tiempo aceptable entre imágenes y el tiempo mínimo para no saturar la memoria del sistema de datos.
Resolución de imagen
Se refiere a la cantidad de pixeles para describir una imagen. Para esto se debe dividir la imagen deseada en cierto número de partes las cuales permitan visualizar con precisión la imagen y el mínimo nivel de detalle deseado.
Corresponde al número de líneas de datos que envían información de un pixel. Algunas cámaras poseen varios canales para transmitir la información y de diferentes formas haciendo más rápido el envío de datos.
Números de canales (Tap)
Sensor
Sistema de captura
Genie HM640
Esta cámara permite realizar la captura de imágenes a alta velocidad utilizando un protocolo de comunicación ethernet con el computador. La cámara cuenta con una fuente de alimentación por medio de un conector MISCFULL-AV-OP-5M.
Sistema de captura
Sapera LT SDK
Para la adquisición de la imagen se proporciona un SDK por parte del fabricante, un conjunto de librerías que permite realizar la captura de imágenes y almacenar en un tipo de dato llamado GigE Vision. Este es un conjunto de estructuras anidadas con la información de la imagen como el formato, tamaño y la información de cada pixel.
Lente
Para una correcta selección se deben tener en cuenta varias características, entre estas se encuentran: 
Montura
Distancia Focal
Enfoque
Apertura de Diafragma
SISTEMA DE CAPTURA
En el mercado se encuentra una gran variedad de lentes, uno de ellos es el lente de distancia focal fija, el cual es utilizado en aplicaciones de robótica e inspección y son ideales en aplicaciones de visión para equipos automatizados. este tipo de lente tienen un límite mínimo de distancia focal especificado según la cámara.
Esta corresponde al ajuste de la cámara tanto en la rosca como en la distancia entre el sensor yel lente.
Es un cálculo de la distancia desde el punto donde los rayos de luz convergen hasta el sensor, esta distancia define el ángulo de visión de la cámara y por ende el área que la cámara puede observar.
Se refiere a hacer coincidir, en el plano focal, los rayos de la luz en un punto focal en el sensor, esto se hace moviendo los lentes internos de tal forma que al refractar la luz se modifique el punto en donde se conectan los rayos de luz. Para el caso de estas cámaras, el rango de enfoque se encuentra entre un número e infinito y se realiza de forma manual
Este corresponde a un control manual que permite un paso medido de la luz. Esto significa que, si se cierra esta apertura, la imagen puede salir más oscura o no verse, por otro lado, al abrir completamente el diafragma la iluminación puede ser muy grande y no permitir una buena visualización de la imagen al generar brillos indeseados. 
4.2.5. Lente
Para cada aplicación se debe elegir un lente según las características de la imagen a obtener. Por ello se recurre a ciertas ecuaciones que nos permite ver los límites de las cámaras y comprobar si el lente puede ser usado en la aplicación. Para identificar si ellente cumple con el requisito de debe utilizar
4.2.6. Distorsión
La distorsión es un defecto que posee una imagen al realizar una deformación geométrica de esta durante su captura, esto refleja cómo el aumento cambia a través de toda la imagen. Esto produce un efecto indeseado en la captura ya que no permite a la imagen identificar la geometría del objeto.
4.2.7.Corrección de distorsión
Se debe obtener la matriz de la imagen, La cual corresponde a una matriz cuadrada de 3 x 3 en donde se encuentra especificada la distancia focal de la imagen, el punto central y un ajuste conocido como «skew» los valores indican la corrección que se le debe hacer a la imagen capturada para no presentar distorsión. En la Figura 8, se muestra la matriz de la imagen en donde los valores Fc corresponden a la distancia focal, Cc al punto central de la imagen y Alpha_c.
La herramienta con la que se calibró la cámara fue "Camera Calibration Toolbox" de Matlab.
Una vez ingresadas las imágenes se deben indicar de forma manual los vértices de la imagen para que el sistema sea capaz de identificar los vértices de todos los cuadrados del patrón.
El resultado de la calibración por medio del toolbox se muestra en la Figura 12
Este resultado muestra los índices de la matriz de calibración y demás parámetros necesarios para realizar la calibración de la cámara.
4.3. Procesamiento de imágenes
El procesamiento de imágenes se realiza desde dos enfoques, el primero es el procesamiento de señales, en donde se considera el dominio de las frecuencias y se analiza la imagen como una distribución de señales sinusoidales. En el segundo enfoque se realiza un análisis desde el dominio espacial, en el cual se define la imagen como una matriz .
4.4 Librería OpenCV
Esta es una librería que se enfoca en el tratamiento de imágenes, destinada principalmente a aplicaciones de visión por computador en tiempo real. Cabe resaltar que, Opencv cuenta con interfaces para C ++, C, Python, Java y MATLAB y es compatible con Windows, Linux, Android y Mac OS.
Lo que hace que esta librería sea muy completa. A su vez, Opencv cuenta con más de 2500 algoritmos optimizados y tiene la característica que puede ser usado tanto para uso comercial como para su uso no comercial, en pocas palabras es considerado como un software libre.Componentes del procesamiento de imágenes a utilizar:
Imagen digital
Se define una imagen digital como aquella representación bidimensional construida a partir de una matriz binaria , cuya amplitud o valor será el grado de iluminación en el espacio de coordenadas de la imagen en cada punto .
Segmentación
En este proceso de segmentación se busca descomponer una imagen.
Binarización
Dicha separación se basa en la variación de intensidad entre los píxeles del objeto y los píxeles que hacen parte del fondo. Para poder diferenciar los píxeles de interés entre los que eventualmente serán rechazados, se compara la intensidad de cada píxel de la imagen con un umbral, este umbral se determina dependiendo de cada problema.
Histograma
El histograma de una imagen es una herramienta que se utiliza para representar los niveles de grises de una imagen.
En la figura 15 se observar como se puede representar los niveles de intensidad de una imagen, para después llevarlos al histograma:
4.4.3.Ecualización del Histograma
La ecualización del histograma es uno de los filtros manejados y proporcionados por parte de la librería Opencv, se aplica cuando se desea lograr una distribución más uniforme entre el número de píxeles referido a los diferentes niveles de intensidad presentes en la imagen, haciendo que el histograma se extienda en el intervalo de niveles de grises.
Se puede ver el resultado de realizar el cálculo del histograma para la imagen de la izquierda conocida como original o src. Y por medio de la imagen derecha se puede observar el histograma en las tres dimensiones de la imagen RGB.
En donde, la imagen de la izquierda corresponde a la original o src y la imagen de la derecha corresponde a la imagen resultante de la ecualización del histograma.
4.4.4. Corrección Gamma
La corrección gamma, es una operación no lineal que es utilizada para decodificar o codificar los valores de luminancia de una imagen en sistemas de video o imagen. «Disminuye la luminancia de la imagen».
La Figura 19 es denominada como original o src, y tiene Y=1, en la Figura 20 se muestran las imágenes con ! = 2 y ! = 0,5 para poder observar la diferencia entre ellas, cabe resaltar que lo que se espera en la primera imagen es una disminución de la luminancia y en la segunda un aumento.
4.4.5. Filtro Canny
El cual busca detectar la mayor cantidad de bordes en una imagen, Este algoritmo busca satisfacer tres criterios principales:
Baja tasa de error: Significado una buena detección de bordes únicos existentes.
Buena localización: La distancia entre los píxeles del borde detectado y los píxeles del borde
real de tener que ser reducido al mínimo.
Respuesta mínima: Sólo una respuesta del detector por borde.
Resultados esperados a la aplicación de dicho filtro a una imagen.
6. Filtro 2D
El tipo de filtro 2D tiene dos formas, no lineal y lineal. En la no lineal para cada posición de pixel de la imagen original consideran los pixeles que están vecinos a él, los pondera y utiliza para calcular la respuesta. La respuesta calculada por medio de los dos métodos se almacena en la imagen de destino en el mismo lugar. El filtro 2D tiene como objetivo convolucionar una imagen con un kernel definido, el kernel de convolución es una matriz de punto flotante de un solo canal.
Transformada de Fourier
La transformada de Fourier realiza la descomposición de una imagen en sus respectivas componentes de senos y cosenos.
Como se puede observar al lado izquierdo de la Figura 25, se tiene la imagen original en dos dimensiones o src y al lado derecho de la Figura 25, se obtuvo el resultado de la magnitud en frecuencia usando la transformada de Fourier. 
Capítulo 5. Velocidad de captura.
Capítulo 5. Velocidad de captura.
Introducción
En este capítulo, se realiza una descripción del desarrollo, resultados y conclusiones referentes al primer objetivo, el cual corresponde a determinar el número de imágenes por segundo necesarias para realizar un control ideal del proceso. En este capítulo no se tienen en cuenta restricciones físicas y de transferencia de datos ya que está enfocada demostrar al lector las necesidades en velocidad de lectura que debe tener el sistema diseñado para implementar esta función en otro tipo de entorno.
2. Descripción de los elementos de mecanizado
Dentro de los equipos utilizados para realizar este tipo de mecanizado se encuentran. Material: Lámina de aluminio de 14cm x 6cm x 1.5cm.
Equipo: centro de mecanizado EMCO MILL 450.
Velocidad de Husillo: 2000 rpm.
Velocidades de avance: Para este caso se utilizarán velocidades entre 0.2 m/min y 12 m/min que permiten utilizar todo el rango de velocidades del equipo, para mayor detalle consultar la Tabla 2.
La variación de volcidad se realiza por medio de un Herramienta: Escariador HSS CO (aleación de cobalto al 8%). Cortes de herramienta: 2 cortes. Diámetro de herramienta: 16 mm
3. Cálculos del número de imágenes.
Con una velocidad de husillo de 2000 rpm y una herramienta de 2 cortes, se encuentra que el número de cortes que puede hacer en 1 segundo es de 66.67. Lo que implica que para realizar un corte nuevo tarda 15 ms. A continuación, se muestran los cálculos para llegar a dichos números.
A continuación, se muestra un ejemplo de esta distancia, para esto debemos referimos a la Tabla 2, en donde identificamos la velocidad de avance en mm/corte. A continuación, se muestra la fórmula para el cálculo de la distancia recorrida y un ejemplo del mismo con una velocidad al 60% con 2 cortes.
En la Tabla 3, se muestra la distancia recorrida para 1, 2 o 3 cortes
			
5.4. Conclusiones del capítulo
A partir de los análisis realizados en área a analizar y velocidad de las marcas, se identifica que el sistemade captura y procesamiento de imágenes no debe superar los 30 ms (33.33 Hz), este corresponde a 2 cortes realizados por una herramienta HSS Co8 de 16 mm de diámetro y 2 dientes a una velocidad de husillo de 2000 rpm y un rango de velocidades de avance entre 0,2 y 12 m/min.
Introducción
En resumen, en este capítulo se aborda el tema de la captura de imágenes utilizando la cámara Genie Cam HM640 y cómo se realizó la conexión a un computador a través de ethernet. 
Se describen los problemas que pueden surgir al momento de capturar una imagen, como la iluminación o el enfoque, y se muestra cómo se integró la cámara con la biblioteca Opencv para el tratamiento de imágenes. 
Finalmente, se explica cómo se cumplió el objetivo específico de capturar imágenes correctas para su posterior procesamiento.
Sistema de captura por computador
Mecanizado de la pieza con la máquina EMCO MILL 450 utilizando código G.
Captura de imágenes: montaje de cámara y ajuste del entorno.
Adquisición de imágenes: barrido de la pieza con la EMCO MILL 450 y almacenamiento en un computador.
Procesamiento de imágenes: identificación de la velocidad de avance y asignación del valor de rugosidad con un rugosímetro.
Diagrama de bloques general del sistema
Elección del lente
Se compararon dos lentes, Fujinon HF16HA-1B y Kowa LM3NCM, para elegir el mejor para el proyecto
Se consideraron la distancia a la que la cámara debe estar y la longitud de la pieza a observar. Los cálculos realizados para ambas cámaras se muestran a continuación.
Para la cámara Kowa LM3NCM
Para la cámara Fujinon HF16HA-1B
Restricciones de velocidad de transferencia
Se utilizó el puerto ethernet del computador. Este posee ciertas limitaciones en velocidad de transferencia según el computador y las características de la cámara, por lo que es necesario evaluar
Acceso a la cámara
Conexión
La conexión de la cámara al computador requiere de 3 elementos, un cable ethernet, un cable MISC-FULL- AV-OP-5M y un adaptador de 12V.
Para alimentar la cámara se creó un conector para convertir la salida del cable MISC a un Jack de conexión del adaptador. El conector se puede observar en la Figura
Instalación de librerías y configuración
Teniendo en cuenta que el sistema operativo a utilizar fue LINUX – Ubuntu, se instalaron los paquetes necesarios para poder tener comunicación y poder visualizar una imagen. Al finalizar todo el proceso de instalación, se procedió a configurar el puerto ethernet de la cámara y se realizó los siguientes pasos:
1.Ir a configuración de red y elegir la opción de editar conexiones.
2. Elegir la opción GigE y oprimir editar. 
3. Ir a Configuración de IPv4 y en la opción de método escoger “Solamente local”.
4. Guardar configuración.
En la Figura se muestra la ejecución de la herramienta para la cámara Genie Cam HM 640. 
El otro elemento utilizado como base para desarrollar el código de captura fue el ejemplo “genicam_cpp_demo”
 Captura de imagen
Teniendo en cuenta el ejemplo usado previamente en la cámara, es necesario guardar la imagen visualizada por la cámara y que sea compatible a la librería Opencv (formato Mat)
El código realizado por parte de los autores de este trabajo de grado tiene como nombre “CopyDataToOpencv”, que tiene como objetivo copiar los píxeles de la imagen visualizada por la cámara en una ventana de igual tamaño de tipo Mat y poder guardarla en dicho formato.
A partir del diagrama anterior, se presentan los resultados obtenidos haciendo la utilización del código “CopyDataToOpencv”:
Calibración de la cámara
La librería OpenCV requiere un formato de imagen compatible para mejorar la calidad de la imagen capturada a través del procesamiento de imagen. La calibración de la cámara se realiza con un tablero de ajedrez en diferentes posiciones para identificar errores de distorsión.
Considerando el tablero de ajedrez anterior, se procede arealizar la calibración de la cámara y para esto se utilizó el “camera calibration toolbox” de Matlab
Por último, se deja evidenciado la matriz de la cámara obtenida, a partir de esta, se realizó la corrección en términos de distorsión y punto central de la cámara.
Mecanizado de la pieza a utilizar
En este capítulo se describió el proceso de captura y calibración de un trabajo de grado para medir la rugosidad de una pieza. Para hacerlo, se usó una máquina llamada EMCO MILL 450 y se siguió el código G para realizar el mecanizado de la pieza a diferentes velocidades de avance. También se utilizó un soporte para la cámara para tomar imágenes estables sin vibración. Las velocidades de avance en la pieza fueron del 2% al 120%. Los resultados se muestran en la Figura 
Parámetros de iluminación
Se hicieron varias pruebas para decidir la posición adecuada de la cinta led, a continuación, se presenta el montaje realizado con la cámara y con la posición final y definitiva de la cinta
 Verificación del tiempo de procesamiento
Para la verificación del tiempo de procesamiento, se incluyó en el código una instrucción que guarda el tiempo en el momento en que se inicia la captura continua de imágenes y el de finalización, esto con el objetivo de identificar el tiempo de procesamiento. En la Tabla 6, se muestran los resultados del código
Introducción
Este capítulo describe el diseño y desarrollo de un algoritmo de procesamiento de imágenes para monitorear la rugosidad de una superficie. Se usó el lenguaje C y la librería Opencv para tratar las imágenes y luego se comparó con una herramienta conocida como rugosímetro para asegurar la precisión de los resultados. El proceso se describirá mediante un diagrama de flujo para una mayor comprensión. Este capítulo muestra el cumplimiento del tercer objetivo y los resultados obtenidos.
Diseño del algoritmo de procesamiento de imágenes
A estas, se les aplicó diferentes filtros para encontrar o resaltar las diferencias entre los diferentes mecanizados. A continuación, se muestran las imágenes originales utilizadas para el procesamiento con el recuadro de donde se realizó el recorte de la imagen
Filtros Realizados
Una vez se aplicó el filtro a cada sección, se binariza para obtener una imagen en donde se detecten de las líneas del mecanizado. En la Figura 42 se observan los resultados de los filtros para cada velocidad de avance y su binarización
A partir de estos recortes se realizaron pruebas con la imagen original y realizando filtros como la corrección gamma, filtro canny, ecualización y filtro2D. Finalmente se aplicó un filtro2D utilizando como kernel la matriz que me muestra a continuación.
La medición de la rugosidad, está relacionada con la separación entre las líneas y la frecuencia de estas. Por esta razón se realiza la transformada de Fourier para continuar con el análisis en frecuencia, esta transformación se puede observar en la Figura 43
Para asignar una medida en el código se utilizó el rugosímetro para relacionar la velocidad de avance con la rugosidad. 
Debido a que la pieza puede tener diferentes medidas a lo largo de la superficie o puede haber diferencias en la lectura al cambiar el ángulo, se realizaron 12 mediciones, 4 en cada sección de la pieza. Los resultados de las mediciones se muestran en la Tabla 7
Medición de rugosidad
Debido a la visualización de los filtros obtenidos en la Figura 41, las imágenes con velocidades de avance de 2% y 20% no detectan las líneas de rugosidad, por lo tanto, estas no serán tenidas en cuenta como procesamiento de imágenes, se les asignará una señal de error.
Utilizando el código que permite comparar los resultados de todos los filtros, se seleccionó aleatoriamente 30 imágenes de cada velocidad de avance para realizar la verificación de los resultados y elegir el filtro que proporciona un menor error. Las tablas con el detalle del muestro se encuentra en el Anexo A, sin embargo, en la Tabla 8 se muestran los resultados de esos análisis 
Resultados de comparación entre filtros
Por medio de la anteriortabla, se presentan el porcentaje de aciertos en las que el algoritmo diseñado reconoce la velocidad de avance a la cual pertenece esa imagen, para este caso particular, se hizo dicho análisis con 30 imágenes por cada una de las velocidades de avance. Aparentemente, con los datos obtenidos de todos los datos, nos indican que el código debe utilizar la imagen original sin realizar ningún filtro.
Sin embargo, si analizamos los datos más detenidamente, esta probabilidad aumenta debido a la identificación del error en las velocidades 2% y 20% a pesar de solo distinguir el 6,67% de las veces la velocidad de 40%. Por esta razón se realiza el promedio de los datos excluyendo los valores de velocidad de 2% y 20%. Estos resultados nos indican que el filtro ecualizar posee el mayor porcentaje de reconocimiento de la velocidad de 40%, sin embargo, este posee gran variabilidad en los otros porcentajes, por esta razón se elige utilizar la imagen original con una binarización.
En la siguiente figura, se muestra un diagrama de flujo que describe el paso a paso del funcionamiento del programa de identificación de la rugosidad.
Código de identificación de rugosidad 
El bloque aplicar mascara consiste en un bloque que compara la imagen leída con una imagen patrón llamada máscara. Estas imágenes patrón consisten en un fondo negro con franjas blancas de diferentes calibres que representan la lectura de un valor de rugosidad. La función realiza la operación de unión de ambas imágenes, de esta forma, si la franja resultante de la combinación posee el mismo número de ceros que la imagen patrón, significa que la rugosidad puede ser mayor o igual al valor de rugosidad que le corresponde al patrón.
De esta forma se descartan patrones hasta encontrar la imagen que corresponde
Para la verificación del tiempo de procesamiento, se incluyó en el código una instrucción que guarda el tiempo en el momento en que se inicia la captura continua de imágenes y el de finalización, esto con el objetivo de identificar el tiempo de procesamiento. En la Tabla 10, se muestran los resultados del código.
Verificación del tiempo de procesamiento
Para la identificación de la rugosidad a partir de las imágenes capturadas no es necesario realizar ningún filtro, para este caso, con estas condiciones de iluminación, lente y cámara, realizar la binarización de la imagen original para luego ser tratada por medio de la transformada de Fourier permite el mínimo nivel de error.
Conclusiones del capítulo
En este capítulo, se evidenciará el desarrollo de las pruebas para la evaluación del algoritmo y se identificarán los rangos de velocidad de avance donde es viable el algoritmo, esto con el fin de generar un espacio en donde se pueda ver en qué situaciones el algoritmo funcionará y con qué condiciones. Cabe resaltar, que por medio de este capítulo se dejarán expresados las condiciones necesarias para el correcto funcionamiento del algoritmo diseñado por los autores.
Capítulo 8. Protocolo de pruebas
Introducción
Pruebas realizadas
 
Para las pruebas del sistema se realizaron las mismas pruebas que en el área de captura con ciertas variaciones, entre estas se encuentran:
 
a) Incremento del número de imágenes por velocidad de avance, en este caso se utilizarán imágenes continuas lo cual permite una versión más realista de cómo se desarrollaría el código en un sistema real. En este caso se utilizarán 500 muestras.
 
b) Pruebas con imágenes que no se encuentren centradas, posible movimiento o desajuste de la base.
Resultados de las pruebas
Prueba a
Los resultados al aplicar las pruebas del punto (a) obtuvieron los resultados que se observan en la Tabla 11, para mayor detalle de los resultados mirar Anexo B.
Por medio de la anterior tabla, se puede evidenciar el porcentaje de aciertos en las que el algoritmo reconoce la velocidad de avance a la cual pertenece la imagen. Al tomar 500 muestras, se hace más evidente que la opción seleccionada genera los mejores resultados en el procesamiento de imágenes.
Prueba b
Se utilizó el mismo código para imágenes desfasadas del centro.
Estándares
ISO 4287: en este estándar se especificaban las notaciones que se deberán ser usadas para hacer referencia a la rugosidad superficial. Por medio de este trabajo de grado, se cumplió dicho estándar debido a que se manejó la terminología y la metodología para la medición de la rugosidad.
ISO/IEC 10641: este estándar describe la forma en la que se debe evaluar un programa de procesamiento de imágenes y la documentación que este debe contener. En este trabajo de grado, se cumplió la norma en el modo de evaluación de un programa de procesamiento de imágenes; sin embargo, no se mantiene la documentación adecuada de dichas pruebas según la norma.
 						Conclusiones del capítulo
Por medio de la Prueba A, se concluye que la mejor opción para reducir los errores de medición, es realizar la transformada de Fourier de la imagen Original binarizada.
 
Por medio de la Prueba B, se concluye que, para obtener una buena medición, es necesario que los recortes que se hagan en las imágenes sean centrados en el paso de la herramienta.
 
Conclusiones
Por medio de este trabajo, se concluye que la confiabilidad del código realizado es de 83.11% con una muestra de 500 imágenes.
Tener en cuenta que, para un sistema de adquisición artificial es necesario realizar la calibración de la cámara previamente a la captura de las imágenes, con el fin de evitar problemas de distorsión y ruido.
Para un sistema de adquisición de imágenes, la iluminación es un papel fundamental a la hora de poder adquirir la imagen.
Se puede concluir que, para este caso particular se debe utilizar la imagen original sin realizar ningún filtro. Por esta razón se realiza el promedio de los datos excluyendo los valores de velocidad de 2% y 20%. Estos resultados nos indican, que el filtro ecualizar posee el mayor porcentaje de reconocimiento de la velocidad de 40%, sin embargo, este posee gran variabilidad en los otros porcentajes, por esta razón se elige utilizar la imagen original con una binarización.
Para la identificación de la rugosidad a partir de las imágenes capturadas no es necesario realizar ningún filtro, para este caso, con estas condiciones de iluminación, lente y cámara, realizar la binarización de la imagen original para luego ser tratada por medio de la transformada de Fourier permite el mínimo nivel de error.
Oportunidades de mejora
Los integrantes de este trabajo de grado, ven como oportunidades de mejora a este proyecto los siguientes ítems:
Implementar el código durante el mecanizando de una pieza, haciendo uso de la EMCO MILL 450.
Modificar el código para que a variaciones de ambiente siga funcionando de forma correcta.
Identificar el valor de rugosidad como valor continuo, permitiendo ajustar el equipo a cualquier velocidad.
Poder identificar la rugosidad con valores de velocidad de avance inferiores a 40%.
Recomendaciones
Estas recomendaciones se hacen con el fin de futuras aplicaciones con este trabajo:
Verificar la correcta instalación del SDK, ejecutando el código de ejemplo. Esto debido a la compatibilidad de librerías en algunas versiones de Ubuntu.
Verificar con qué lente se va a trabajar y calcular los diferentes parámetros para su correcta visualización.
Comprobar la iluminación necesaria en máquina, con el fin de identificar correctamente los patrones, teniendo en cuenta que, para este tipo de materiales, a mayor iluminación mejor toma de datos, ajustando la apertura del diafragma del lente a utilizar.
Verificar que el mecanizado sea constante y uniforme, con el fin de evitar errores en el resultado de la medición.
Realizar una ecuación matemática que logre relacionar la velocidad de captura de la cámara con la velocidad de avance de la máquina.
GRACIAS POR LA ATENCIÓN