Treffer: Uso de inteligencia artificial para identificar posibles errores en el pintado de piezas

Title:
Uso de inteligencia artificial para identificar posibles errores en el pintado de piezas
Contributors:
Hernández Marulanda, Andrés Felipe
Source:
Y. Ben Salem y M. N. Abdelkrim, «Texture classification of fabric defects using machine learning», International Journal of Electrical and Computer Engineering, vol. 10, n.° 4, págs. 4390-4399, 2020, ISSN: 20888708. DOI:10.11591/ijece.v10i4.pp4390-4399. ; B. Ngendangenzwa, «Defect detection and classification on painted specular surfaces», 2017. dirección: https://umu.diva-portal.org/smash/get/diva2:1193907/FULLTEXT01.pdf. ; L. Armesto, J. Tornero, A. Herraez y J. Asensio, «ICRA Communications Inspection System Basedon Artificial Vision for Paint Defects Detection on Cars Bodies», págs. 3-6, 2011. ; R. McBride, «Human-Like Implemented A.I. and Human Problem-Solving A.I.», International Journal of Business, Humanities and Technology, vol. 9, n.° 3, págs. 1-10, 2019, 21621357. DOI: ....
Publisher Information:
Universidad de San Buenaventura
Medellín
Facultad de Ingeniería
Ingeniería Electrónica
Publication Year:
2022
Collection:
Biblioteca Digital Universidad de San Buenaventura
Document Type:
Dissertation bachelor thesis
File Description:
44 páginas; application/pdf
Language:
Spanish; Castilian
Relation:
C. Archila Atehortúa, S. Posada Acosta, “Uso de inteligencia artificial para identificar posibles errores en el pintado de piezas.”, Trabajo de grado profesional, Ingeniería Electrónica, Universidad de San Buenaventura Medellín (Antioquia), 2022; instname:Universidad de San Buenaventura; reponame:Repositorio Institucional Universidad de San Buenaventura; repourl:https://bibliotecadigital.usb.edu.co/; https://hdl.handle.net/10819/13003
Rights:
info:eu-repo/semantics/openAccess ; http://purl.org/coar/access_right/c_abf2
Accession Number:
edsbas.2FD3038E
Database:
BASE

Weitere Informationen

La detección de errores en la pintura de piezas generalmente se hace empleando la visión humana la cual puede generar sesgos que afecten la calidad del producto final que comercializan diferentes tipos de empresa, este documento busca proponer un método de detección utilizando el machine learning y la visión computación por medio del uso de redes neuronales convolucionales para detectar y clasificar estos errores de manera autónoma ayudando a las empresas a aumentar la competitividad y la calidad de sus productos en el mercado reduciendo los tiempos de inspección y el sesgo que se puede generar al realizar el proceso con la visión humana. ; The detection of errors in the painting of parts is usually done using human vision which can generate biases that affect the quality of the final product marketed by different types of companies, this paper seeks to propose a detection method using machine learning and computer vision through the use of convolutional neural networks to detect and classify these errors autonomously helping companies to increase the competitiveness and quality of their products in the market by reducing inspection times and the bias that can be generated by performing the process with human vision. ; Pregrado ; Ingeniero Electrónico