dc.contributor |
Universitat Politècnica de Catalunya. Departament d'Enginyeria de Sistemes, Automàtica i Informàtica Industrial |
dc.contributor |
Flotat Villagrasa, Carles |
dc.contributor.author |
Cabello Cabrera, Sheila |
dc.date |
2012-12 |
dc.identifier.uri |
http://hdl.handle.net/2099.1/18637 |
dc.language.iso |
spa |
dc.publisher |
Universitat Politècnica de Catalunya |
dc.rights |
info:eu-repo/semantics/openAccess |
dc.subject |
Àrees temàtiques de la UPC::Informàtica::Intel·ligència artificial |
dc.subject |
Neural networks (Computer science) |
dc.subject |
Robot vision |
dc.subject |
Xarxes neuronals (Informàtica) |
dc.subject |
Visió artificial (Robòtica) |
dc.title |
Diferenciación de las causas de fallo en un sistema de visión artificial mediante el desarrollo de una red neuronal |
dc.type |
info:eu-repo/semantics/bachelorThesis |
dc.description.abstract |
En el proyecto “Diferenciación de las causas de fallo en un sistema de visión artificial
mediante el desarrollo de una red neuronal” se diseña la estrategia a seguir en caso de fallo
de cierto sistema de visión artificial encargado del control del avance de un medio que pasa
a muy poca distancia del mismo.
Actualmente, en caso de fallo del algoritmo encargado del cálculo del desplazamiento, se
asume que el sensor tiene algún tipo de mancha y se pide al usuario que trate de limpiarla.
Pero esto no es siempre cierto, puesto que determinados tipos de sustrato no pueden ser
percibidos adecuadamente por el sensor por muy limpia que esté la lente. Teniendo esto en
cuenta, se diseña un protocolo de actuación en caso de fallo del sistema de visión.
El protocolo de actuación diseñado requiere la existencia de un sistema clasificador capaz
de determinar la situación en la que se encuentra el sistema. Así pues, se procede al estudio
y selección del tipo de clasificador más adecuado, eligiendo finalmente las redes de
neuronas artificiales; un modelo computacional que utiliza una estructura de red en la cual
los nodos o neuronas son procesos numéricos que involucran estados de otros nodos
según sus uniones. A partir de un conjunto de patrones de respuesta conocida, se entrena
la red de manera que ésta aprende a clasificar correctamente estos patrones.
Para que la red neuronal funcione adecuadamente han de elegirse muy bien las variables
de entrada de la misma. Además, en el proceso de entrenamiento de la red debe cubrirse
un amplio rango de situaciones para asegurar que la red sea capaz de funcionar
adecuadamente ante situaciones nuevas. Teniendo en cuenta esto, se diseña un test que se
lleva a cabo ensuciando de distintos modos la lente y empleando distintos medios en
movimiento.
Los resultados de este test se utilizan para entrenar la red neuronal. Se construyen y
entrenan varios esquemas, para finalmente elegir aquel que responde mejor a las
necesidades del sistema.
Finalmente, se procede a validar el funcionamiento de la red neuronal construida en
situaciones distintas a las del conjunto de entrenamiento. |