RT info:eu-repo/semantics/bachelorThesis
T1 Integración de un sistema de visión On Board para un robot delta
A1 Arcano Bea, Paula Patricia
A2 Grado En Ingeniería Electrónica Industrial Y Automática
K1 Tecnologías
K1 Impresión 3D
K1 Machine learning
K1 Deep learning
K1 Automatización
AB En este trabajo se presenta un sistema innovador que combina tecnologíascomo la impresión 3D, el machine learning y el deep learning, con el objetivo deautomatizar la detección y manipulación de objetos en tiempo real en un entornoindustrial pequeño; para esto se utilizó un robot delta existente al que se le incorporóuna cámara y una pinza como efector final. El sistema se basa en un modelopersonalizado de YOLOv8, entrenado específicamente para detectar objetosgeométricos 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 aotra cinta transportadora. Durante el desarrollo del proyecto se presentarán losdetalles del diseño e implementación del sistema, así como los resultados obtenidosen las pruebas realizadas.Los resultados obtenidos mostraron que el modelo de detección implementadofue efectivo y preciso, con tasas de detección y falsos positivos satisfactorias alrealizar las tareas de detección y segmentación de objetos en tiempo real.Debido a esto, se puede afirmar que este sistema puede ser una soluciónrentable para pequeñas fábricas industriales mejorando su eficiencia ycompetitividad en el mercado ya que cuenta con una alta capacidad depersonalización, flexibilidad que se traduce en un ahorro significativo en los costesde implementación.La implementación de estas tecnologías puede mejorar significativamente laeficiencia y productividad en la industria reduciendo la necesidad de intervenciónhumana en entornos peligrosos. Se espera que esta tecnología siga evolucionandoy mejorando en el futuro para proporcionar soluciones más eficientes y precisas endiferentes campos.
YR 2023
FD 2023
LK http://riull.ull.es/xmlui/handle/915/33587
UL http://riull.ull.es/xmlui/handle/915/33587
LA es
DS Repositorio institucional de la Universidad de La Laguna
RD 27-nov-2024