Reconocimiento y gestión de imágenes en el ámbito industrial bajo el paradigma IoT
Este trabajo tiene como principal objetivo el proporcionar una solución conceptual inteligente bajo el paradigma de Internet de las Cosas (Internet of Things, IoT) para su aplicación en el contexto de la automatización de la clasificación de residuos urbanos para su reciclaje y con vistas a su posib...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2021 |
| País: | España |
| Institución: | Universidad Complutense de Madrid (UCM) |
| Repositorio: | Docta Complutense |
| Idioma: | español |
| OAI Identifier: | oai:docta.ucm.es:20.500.14352/9217 |
| Acceso en línea: | https://hdl.handle.net/20.500.14352/9217 |
| Access Level: | acceso abierto |
| Palabra clave: | 004(043.3) IoT Azure IBM Cloud IBM Watson Node-red ESP-EYE Redes neuronales convolucionales Inteligencia artificial MQTT Informática (Informática) 1203.17 Informática |
| Sumario: | Este trabajo tiene como principal objetivo el proporcionar una solución conceptual inteligente bajo el paradigma de Internet de las Cosas (Internet of Things, IoT) para su aplicación en el contexto de la automatización de la clasificación de residuos urbanos para su reciclaje y con vistas a su posible implantación bajo el paraguas de desarrollos en lo que se conoce como industria 4.0. La parte inteligente radica en el desarrollo de un modelo de red neuronal convolucional con base en el modelo preestablecido de MobileNetV2 convenientemente adaptado para la aplicación que se plantea. En primer lugar, se analizan algunas de las principales plataformas de servicios orientados a IoT para el propósito previsto. Haciendo uso de estas plataformas se desarrolla una aplicación web que permite a los usuarios clasificar los residuos de forma correcta antes de que lleguen a la planta de clasificación. En segundo lugar, se plantea el primer escenario donde haciendo uso del dispositivo ESP-EYE se toman imágenes que se envían a la nube para su procesamiento y clasificación, obteniendo de esta forma un panel de control con los resultados y estadísticas generadas. Debido a los costes e implicaciones del primer escenario, se plantea un segundo escenario donde la clasificación de los residuos se realiza en el propio ESP-EYE que envía el resultado al mismo panel de control que en el escenario anterior para su interpretación. En ambos escenarios se analizan los resultados a nivel de desempeño y tiempos de ejecución, para llegar a las conclusiones pertinentes tras la valoración de los resultados. |
|---|