Aplicación de la visión artificial a la cuantificación de la calidad superficial del alambrón de cobre

  1. MADRID CUEVAS, FRANCISCO JOSÉ
Dirigida por:
  1. Rafael Medina Carnicer Director/a

Universidad de defensa: Universidad Politécnica de Madrid

Fecha de defensa: 30 de junio de 2003

Tribunal:
  1. Darío Maravall Gómez-Allende Presidente/a
  2. Luis Baumela Molina Secretario/a
  3. José Muñoz Pérez Vocal
  4. Nicolás Pérez de la Blanca Capilla Vocal
  5. Antonio Calvo Cuenca Vocal

Tipo: Tesis

Teseo: 98100 DIALNET

Resumen

El objetivo de esta tesis es la construcción de un Sistema de Inspección Visual Automatizado (SIVA) para la cuantificación de la calidad superficial del alambrón de cobre. La tesis aborda el estudio, diseño, y desarrollo de las fases de adquisición y segmentación del citado SIVA. Durante el proceso de fabricación del alambrón de cobre se pueden producir una serie de defectos que influirán directamente en su calidad. Actualmente el control de la calidad se realiza mediante operarios que inspeccionan muestras del alambrón asignándoles una calidad que determina el coste del producto, así como sus posibles usos futuros. En este proceso manual se ha constatado una componente de subjetividad importante en la determinación de los defectos así como de la posterior clasificación de calidad. A partir de las características del material a inspeccionar así como las muestras obtenidas, se ha desarrollado un sistema de adquisición (sensor, lente, iluminación y hardware de digitalización) y se han desarrollado dos técnicas para tratar el problema de los reflejos especulares inherentes a las superficies metálicas. Para la fase global de segmentación se han estudiado dos alternativas: umbralización global y adaptativa y el análisis estadístico de texturas. Para evaluar los resultados de las estas técnicas se ha utilizado una metodología basada en la medida empírica de discrepancia. Se han estudiado distintas medidas empíricas de discrepancia, encontrándose que la medida de Baddeley es superior al resto. Se ha desarrollado una técnica de segmentación no supervisada de texturas que ha mostrado ser superior, en los experimentos realizados, a la mejor de la técnicas de umbralización estudiadas.