Published date: Aug 31 2022

Journal Title: ESPOCH Congresses: The Ecuadorian Journal of S.T.E.A.M.

Issue title: Volume 2, Issue 4

Pages: 1114–1130

DOI: 10.18502/espoch.v2i4.11741

Omar Barahonaomar.brahona@gmail.comFacultad de Mecánica, Escuela Superior Politécnica de Chimborazo, Riobamba, Ecuador

Gabriel MoreanoFacultad de Mecánica, Escuela Superior Politécnica de Chimborazo, Riobamba, Ecuador

Large industries are continually looking for strategies and tools that help them increase their productivity, to cover larger markets in shorter times. However, on certain occasions, these types of strategies with the increase in production speed can affect the product quality, sometimes triggering the discomfort of the clients or final recipients. This is why companies with continuous production lines, in addition to seeking productive optimization strategies, nowadays seek strategies that help them maintain the quality of their products. This work presents the development of a classifier algorithm through road inspection that verifies the correct labeling of different commercial products, thus helping to maintain the final quality of the products in a production line. The algorithm has been developed in an open-source programming language with a camera of medium characteristics, to reduce commercial costs and make it a strategy for easy massification. In addition, the algorithm can be easily adapted for different types of products, that is, it is an open and undeveloped strategy for a single type of label. The algorithm has an interface that will help users and interested parties in its use. At the end of the work, an artificial vision labeling identification system is available that is capable of detecting flaws in any type of label at an estimated speed of 2 sec per product.

Keywords: artificial vision, Python, OpenCV, labeling, automatic classification.

Resumen

Las grandes industrias continuamente andan buscando estrategias y herramientas que las ayuden a incrementar su productividad, para cubrir mercados más amplios en tiempos más cortos. En ciertas ocasiones este tipo de estrategias sacrifican la calidad de los productos por el incremento de velocidad de producción, desencadenando en algunas ocasiones el malestar de los clientes o destinatarios finales. Es así como las empresas con líneas de producción continua, a más de buscar estrategias de optimización productiva, hoy en día buscan estrategias que les ayuden a mantener la calidad de sus productos. En este trabajo se presenta el desarrollo de un algoritmo clasificador mediante inspección visual que verifica el correcto etiquetado de distintos productos comerciales, aportando así a mantener la calidad final de los productos en una línea productiva; el algoritmo se ha desarrollado en un lenguaje de programación de código abierto y con una cámara de características medias, con el fin de reducir los costos comerciales, y de que sea una estrategia de fácil masificación. Además, el algoritmo se puede adaptar de forma sencilla para distintos tipos de productos, es decir, es una estrategia abierta y no desarrollada para un único tipo de etiquetas. El algoritmo cuenta con una interfaz propia que ayudará a los usuarios y partes interesadas en su utilización. Al final del trabajo se dispone de un sistema de identificación de etiquetado por visión artificial que es capaz de detectar fallas en cualquier tipo de etiqueta a una velocidad estimada de dos segundos por producto.

Palabras Clave: visión artificial, Python, OpenCV, etiquetado, clasificación automática.

[1] Garcés AF. Sistema de reconocimiento facial con visión artificial para apoyar al ECU- 911 con la identificación de personas en la lista de los más buscados. Ecuador: Universidad Técnica de Ambato; 2017.

[2] InfoPLC. Crecimiento del mercado de visión artificial con 3D a la cabeza. Spain: InfoPLC; 2018. Available from: https://www.infoplc.net/plus-plus/mercado/noticiasmercado/ item/104695-crecimiento-del-mercado-de-vision-artificial-con-3d-a-lacabeza.

[3] Gómez C, Mey C, Martínez C, Martín A. La inteligencia artificial al servicio del bien social en América Latina y el Caribe: Panorámica regional e instantáneas de doce países. New York, NY: Banco Interamericano de Desarrollo (Grupo BID); 2018. p. 1–144. Available from: https://publications.iadb.org/es/la-inteligencia-artificial-alservicio- del-bien-social-en-america-latina-y-el-caribe-panoramica

[4] Gómez De León FC, González A. Inspección de materiales. Universidad de Murcia. Mucria. 2010.

[5] Aldás DS, Collantes SM, Reyes JP. Procesamiento de imágenes con visión artificial para el reconocimiento de placas vehiculares. SATHIRI. 2016;11:133.

[6] Ponce J. Manual de Insp. Visual. 2012 [Consulta: 21 mayo 2021]. Available from: https://www.academia.edu/16541538/MANUAL_DE_INSP_VISUAL

[7] Platero Dueñas C. Inspección automatizada de superficies homogéneas mediante visión artificial con aportaciones al reconocimiento de formas [dissertation]. Spain: Higher Technical School of Industrial Engineering (UPM); 1998.

[8] ClearView Imaging. Inspección de etiquetado [Internet]. 2018 [Consulta: 24 mayo 2021]. Available from: https://cdn2.hubspot.net/hubfs/3780277/WebsiteAssets/pdf/SpanishPDF/Label Inspection-Inspección de etiquetado.pdf

[9] Ramos MA. Introducción a los sistemas de tiempo real. Universidad de Buenos Aires. Buenos Aires, Argentina. 2015.

[10] Úbeda B. Introducción a los sistemas embebidos. Universidad de Murcia. Murcia, España. 2009.

[11] Edutin Academy. Curso de Python [Internet]. USA: Edutin Academy; 2019 [Consulta: 3 junio 2021]. Available from: https://app.edutin.com/

[12] Amaya I, Gomez K, Horst E, Losoyo OY, Reyes A. Visión automatizada. Centro de Investigación científica y de Educación Superior Ensenada. Ensenada, Baja California. México. 2016.

[13] Rodriguez L. Python programación 3. Guayaquil: Escuela Superior Politécnica del Litoral; 2017.

[14] SafetyCulture. Inspección visual: Plantilla gratis | iAuditor by SafetyCulture [en línea]. Australia: SafetyCulture; 2020 [Consulta: 21 mayo 2021]. Available from: https://safetyculture.com/es/listas-de-verificacion/inspeccion-visual/

[15] González de Leon F. Vision artificial con Python y OpenCV. Madrid, Majadahonda. España. 2015. Video: 23:00 min. Available from: https://www.youtube.com/watch?v=5Z4VZhHZk58

[16] Gonzalez L. Introducción al IDE Spyder [Internet]. AprendeIA; 2018 [Consulta: 3 junio 2021]. Video: 5:18 min. Available from: https://aprendeia.com/ide-spyder-parapython/

[17] Vásquez CY, Cevallos J. Inteligencia artificial - Visión artificial. Universidad Técnica del Norte. Ibarra. Ecuador. 2013.

[18] García S. I, Caranqui S. V. La visión artificial y los campos de aplicación. Tierra Infinita [Internet]. 2015;1:94–103. Available from: http://revistasdigitales.upec.edu.ec/index.php/tierrainfinita/article/view/76

[19] Vélez JF, Moreno AB, Sánchez Á. Y, Sánchez JL. Visión por Computador. 2003.

[20] Kulhary R. OpenCV - Overview [Internet]. Noida, India: GeeksforGeeks; 2019 [Consulta: 3 junio 2021]. Available from: https://www.geeksforgeeks.org/opencvoverview/

[21] SKF. SKF power transmission belts contents. SKF Group; 2012.

[22] DRB. Industrial belt [Internet]. DRB [Internet]; 2012 [Consulta: 1 agosto 2021]. Available from: http://www.drbworld.com/include/pdf_viewer.php?file={%}2FDATAS{%}2Fes_ free9{%}2F{%}5BPower_Transmission_Belt{%}5D_Industrial_Belt.pdf

[23] Winchell W. Inspection and measurement in manufacturing [Internet]. Michigan: Society of Manufacturing Engineers; 1996 [Consulta: 24 mayo 2021]. Available from: https://books.google.com.ec/books?id=be9ZWBfMpTgC&printsec=frontcover&dq= inauthor:{%}22William+Winchell{%}22&hl=es&sa=X&redir_esc=y#v=onepage&q&f= false

[24] CAF. Las grandes oportunidades de la Inteligencia Artificial en el sector público de América Latina. CAF [Internet]; 2018 [Consulta: 1 diciembre 2021]. Available from: https://www.caf.com/es/actualidad/noticias/2021/09/ las-grandes-oportunidades-de-la-inteligencia-artificial-en-el-sector-publico-de-america-latina/

[25] Samaniego H. Diseño y construcción de un módulo de monitoreo y control de un sistema de calefacción a través de la internet. Quito: Escuela Politécnica Nacional; 2013.

[26] Valencia GY, Amaya L. Control de calidad de un proceso de etiquetado empleando el robot industrial GRYPHON. Colombia: Universidad Pontificia Bolivariana; 2011.