VISIÓN ARTIFICIAL BASADA EN APRENDIZAJE AUTOMÁTICO PARA LA CATEGORIZACIÓN DE DEFECTOS SUPERFICIALES EN FUNDICIÓN

Autores/as

  • PABLO GARCIA BRINGAS
  • IKER PASTOR LOPEZ
  • IGOR SANTOS GRUEIRO

Palabras clave:

visión artificial, aprendizaje automático, categorización de defectos, machine vision, machine learning, defect categorisation.

Resumen

RESUMEN: La fundición de hierro es una importante industria que suministra piezas clave a otras industrias donde son críticas. Es por este motivo, que las piezas fabricadas están sujetas a controles de seguridad muy estrictos para garantizar la calidad de las mismas. Algunos de los defectos que se producen con una mayor frecuencia son los superficiales, y en particular, este trabajo se centra en las inclusiones, uniones frías y las faltas de llenado. Para ello proponemos un nuevo método que se basa en un algoritmo de segmentación para marcar las regiones de la superficie potencialmente defectuosas y, a continuación, aplicando técnicas de aprendizaje automático categoriza las regiones indicando el defecto existente. El método propuesto demuestra unas tasas altas de precisión. Palabras clave: visión artificial, aprendizaje automático, categorización de defectos

Descargas

Publicado

2014-05-01

Número

Vol 89, No 3 (2014)

Sección

ARTICULOS

Licencia

Al enviar el artículo para su evaluación y posterior publicación en la revista DYNA, el AUTOR cede de manera no exclusiva los derechos de comunicación pública, reproducción, distribución y venta para su explotación comercial a Publicaciones DYNA SL para un plazo de 50 años y en cualquier lengua y país. El AUTOR se hace responsable frente a Publicaciones DYNA SL de la autoría y originalidad de su obra, así como de todas las cargas pecuniarias que pudieran derivarse para Publicaciones DYNA SL, a favor de terceros con motivo de acciones, reclamaciones o conflictos derivados del incumplimiento de obligaciones por parte del AUTOR.