Implementación de técnicas inteligentes de aprendizaje para aplicación de pick&place en el robot paralelo Delta

La llegada de la Industria 4.0 ha traído consigo grandes avances en cuanto a conectividad, gracias a los cuales se han creado las denominadas fábricas inteligentes, y sehan logrado aumentos en la productividad. En estas fábricas es cada vez más común encontrarrobots paralelos debido a sugran potenci...

ver descrição completa

Detalhes bibliográficos
Autor: Sarachaga Cortés, Enara
Formato: tesis de maestría
Fecha de publicación:2023
País:España
Recursos:Universidad del País Vasco
Repositorio:Addi. Archivo Digital para la Docencia y la Investigación
OAI Identifier:oai:addi.ehu.eus:10810/67909
Acesso em linha:http://hdl.handle.net/10810/67909
Access Level:acceso abierto
Palavra-chave:robótica paralela
visión
red neuronal convolucional
reconocimiento de caracteres
EMNIST
inteligencia artificial
id ES_082069a46c0839ea258fb8b81dcb2621
oai_identifier_str oai:addi.ehu.eus:10810/67909
network_acronym_str ES
network_name_str España
repository_id_str
spelling Implementación de técnicas inteligentes de aprendizaje para aplicación de pick&place en el robot paralelo DeltaSarachaga Cortés, Enararobótica paralelavisiónred neuronal convolucionalreconocimiento de caracteresEMNISTinteligencia artificialLa llegada de la Industria 4.0 ha traído consigo grandes avances en cuanto a conectividad, gracias a los cuales se han creado las denominadas fábricas inteligentes, y sehan logrado aumentos en la productividad. En estas fábricas es cada vez más común encontrarrobots paralelos debido a sugran potencial, precisión y alta velocidad. A su vez, la implementación de sistemas de visión artificial en el ámbito referente a la Robótica aporta gran flexibilidad a las industrias, dotándolas de inteligencia y permitiendo la toma de decisiones autónoma. En el presente Trabajo de Fin de Máster, se ha desarrolladouna solución para la implementación de Inteligencia Artificial en una célula robotizada para aplicaciones de pick & place mediante visión artificial. La célula robotizada está compuesta por un robot paralelo tipo mini Delta del fabricante Omron,que ha sido programado a través del entorno de programación Sysmac Studio. La célula robotizada también cuenta con una webcam modelo Logitech Brio 4k UltraHD, la cual ha sidoutilizadapara realizar el reconocimiento de los elementos que se encuentran en el espacio de trabajo del robot. El algoritmo de Inteligencia Artificial desarrollado ha consistido enuna red neuronal convolucional, a través de la cual serealiza el reconocimiento de los diferentes caracteres contenidos en los cubos ubicados en el espacio de trabajo el robot. El usuario desde una interfaz gráfica puede seleccionar la palabra que desea formar, y, tras realizar el reconocimiento de los caracteresrequeridos,el sistema de manera automática captura la ubicación de las letras necesarias para formar la palabraseleccionada. Después,se envía la información referente a la ubicación de los caracteres al robot, el cual se traslada para coger y dejar los cubos en las posiciones necesarias para escribir la palabra deseada. El entrenamiento de la red neuronal convolucional se ha realizado a través del lenguaje de programación Pythonutilizando el set de datos EMNIST, sin embargo, el preprocesamiento de las imágenes y, por lo tanto, la preparación de las entradas de la red se ha realizado a través de MATLAB.Cabanes Axpe, ItziarMáster Universitario en Ingeniería de Control, Automatización y RobóticaKontrol Ingeniaritza, Automatizazioa eta Robotika MasterraMáster Universitario en Ingeniería de Control, Automatización y RobóticaKontrol Ingeniaritza, Automatizazioa eta Robotika Unibertsitate Masterra2024202420242023info:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10810/67909reponame:Addi. Archivo Digital para la Docencia y la Investigacióninstname:Universidad del País VascoEspañolEspañolinfo:eu-repo/semantics/openAccess©2023, el autoroai:addi.ehu.eus:10810/679092026-06-18T09:23:17Z
dc.title.none.fl_str_mv Implementación de técnicas inteligentes de aprendizaje para aplicación de pick&place en el robot paralelo Delta
title Implementación de técnicas inteligentes de aprendizaje para aplicación de pick&place en el robot paralelo Delta
spellingShingle Implementación de técnicas inteligentes de aprendizaje para aplicación de pick&place en el robot paralelo Delta
Sarachaga Cortés, Enara
robótica paralela
visión
red neuronal convolucional
reconocimiento de caracteres
EMNIST
inteligencia artificial
title_short Implementación de técnicas inteligentes de aprendizaje para aplicación de pick&place en el robot paralelo Delta
title_full Implementación de técnicas inteligentes de aprendizaje para aplicación de pick&place en el robot paralelo Delta
title_fullStr Implementación de técnicas inteligentes de aprendizaje para aplicación de pick&place en el robot paralelo Delta
title_full_unstemmed Implementación de técnicas inteligentes de aprendizaje para aplicación de pick&place en el robot paralelo Delta
title_sort Implementación de técnicas inteligentes de aprendizaje para aplicación de pick&place en el robot paralelo Delta
dc.creator.none.fl_str_mv Sarachaga Cortés, Enara
author Sarachaga Cortés, Enara
author_facet Sarachaga Cortés, Enara
author_role author
dc.contributor.none.fl_str_mv Cabanes Axpe, Itziar
Máster Universitario en Ingeniería de Control, Automatización y Robótica
Kontrol Ingeniaritza, Automatizazioa eta Robotika Masterra
Máster Universitario en Ingeniería de Control, Automatización y Robótica
Kontrol Ingeniaritza, Automatizazioa eta Robotika Unibertsitate Masterra
dc.subject.none.fl_str_mv robótica paralela
visión
red neuronal convolucional
reconocimiento de caracteres
EMNIST
inteligencia artificial
topic robótica paralela
visión
red neuronal convolucional
reconocimiento de caracteres
EMNIST
inteligencia artificial
description La llegada de la Industria 4.0 ha traído consigo grandes avances en cuanto a conectividad, gracias a los cuales se han creado las denominadas fábricas inteligentes, y sehan logrado aumentos en la productividad. En estas fábricas es cada vez más común encontrarrobots paralelos debido a sugran potencial, precisión y alta velocidad. A su vez, la implementación de sistemas de visión artificial en el ámbito referente a la Robótica aporta gran flexibilidad a las industrias, dotándolas de inteligencia y permitiendo la toma de decisiones autónoma. En el presente Trabajo de Fin de Máster, se ha desarrolladouna solución para la implementación de Inteligencia Artificial en una célula robotizada para aplicaciones de pick & place mediante visión artificial. La célula robotizada está compuesta por un robot paralelo tipo mini Delta del fabricante Omron,que ha sido programado a través del entorno de programación Sysmac Studio. La célula robotizada también cuenta con una webcam modelo Logitech Brio 4k UltraHD, la cual ha sidoutilizadapara realizar el reconocimiento de los elementos que se encuentran en el espacio de trabajo del robot. El algoritmo de Inteligencia Artificial desarrollado ha consistido enuna red neuronal convolucional, a través de la cual serealiza el reconocimiento de los diferentes caracteres contenidos en los cubos ubicados en el espacio de trabajo el robot. El usuario desde una interfaz gráfica puede seleccionar la palabra que desea formar, y, tras realizar el reconocimiento de los caracteresrequeridos,el sistema de manera automática captura la ubicación de las letras necesarias para formar la palabraseleccionada. Después,se envía la información referente a la ubicación de los caracteres al robot, el cual se traslada para coger y dejar los cubos en las posiciones necesarias para escribir la palabra deseada. El entrenamiento de la red neuronal convolucional se ha realizado a través del lenguaje de programación Pythonutilizando el set de datos EMNIST, sin embargo, el preprocesamiento de las imágenes y, por lo tanto, la preparación de las entradas de la red se ha realizado a través de MATLAB.
publishDate 2023
dc.date.none.fl_str_mv 2023
2024
2024
2024
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/10810/67909
url http://hdl.handle.net/10810/67909
dc.language.none.fl_str_mv Español
Español
language_invalid_str_mv Español
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
©2023, el autor
eu_rights_str_mv openAccess
rights_invalid_str_mv ©2023, el autor
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Addi. Archivo Digital para la Docencia y la Investigación
instname:Universidad del País Vasco
instname_str Universidad del País Vasco
reponame_str Addi. Archivo Digital para la Docencia y la Investigación
collection Addi. Archivo Digital para la Docencia y la Investigación
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869403024565207040
score 15.301603

Registos relacionados