Integración de un sistema de visión On Board para un robot delta

Abstract

En este trabajo se presenta un sistema innovador que combina tecnologías como la impresión 3D, el machine learning y el deep learning, con el objetivo de automatizar la detección y manipulación de objetos en tiempo real en un entorno industrial pequeño; para esto se utilizó un robot delta existente al que se le incorporó una cámara y una pinza como efector final. El sistema se basa en un modelo personalizado de YOLOv8, entrenado específicamente para detectar objetos geométricos que ingresan al área de trabajo mediante una cinta transportadora. Una vez detectados los objetos, se analizaron sus propiedades como forma, color, orientación y textura, para luego ser recogidos por la pinza y desplazados a otra cinta transportadora. Durante el desarrollo del proyecto se presentarán los detalles del diseño e implementación del sistema, así como los resultados obtenidos en las pruebas realizadas. Los resultados obtenidos mostraron que el modelo de detección implementado fue efectivo y preciso, con tasas de detección y falsos positivos satisfactorias al realizar las tareas de detección y segmentación de objetos en tiempo real. Debido a esto, se puede afirmar que este sistema puede ser una solución rentable para pequeñas fábricas industriales mejorando su eficiencia y competitividad en el mercado ya que cuenta con una alta capacidad de personalización, flexibilidad que se traduce en un ahorro significativo en los costes de implementación. La implementación de estas tecnologías puede mejorar significativamente la eficiencia y productividad en la industria reduciendo la necesidad de intervención humana en entornos peligrosos. Se espera que esta tecnología siga evolucionando y mejorando en el futuro para proporcionar soluciones más eficientes y precisas en diferentes campos.

This work presents an innovative system that combines technologies such as 3D printing, machine learning, and deep learning, with the aim of automating real-time object detection and manipulation in a small industrial environment; for this, an existing delta robot was used and equipped with a camera and a gripper as its end effector. The system is based on a custom YOLOv8 model, specifically trained to detect geometric objects that enter the workspace via a conveyor belt. Once the objects were detected, their properties such as shape, colour, orientation, and texture were analyzed and then picked up by the gripper and moved to another conveyor belt. This project details the system design and implementation, as well as the results obtained during the tests. The results showed that the implemented detection model was effective and precise, with satisfactory detection and false-positive rates when performing real-time object detection and segmentation tasks. As a result, it can be stated that this system can be a cost-effective solution for small industrial factories, improving their efficiency and competitiveness in the market as it has a high level of customization and flexibility, which translates into significant cost savings. The implementation of these technologies can significantly improve efficiency and productivity in the industry, reducing the need for human intervention in dangerous environments. It is expected that this technology will continue to evolve and improve in the future to provide more efficient and precise solutions in different fields.