Diseño e implementación de técnicas de Machine Learning para la detección de defectos superficiales en piezas sometidas a procesos de estampado o fundición
Hoy en día los controles de calidad en la industria de la manufactura son cada vez más rigurosos e importantes, demandando un control del 100% de la producción, tanto en las características dimensionales como en la detección de existencia de defectos, tanto superficiales como internos de los product...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2021 |
| País: | España |
| Institución: | Universidad de Oviedo (UNIOVI) |
| Repositorio: | RUO. Repositorio Institucional de la Universidad de Oviedo |
| Idioma: | español |
| OAI Identifier: | oai:digibuo.uniovi.es:10651/58097 |
| Acceso en línea: | http://hdl.handle.net/10651/58097 |
| Access Level: | acceso abierto |
| Palabra clave: | Machine Learning Análisis de datos Visión artificial Detección de defectos |
| Sumario: | Hoy en día los controles de calidad en la industria de la manufactura son cada vez más rigurosos e importantes, demandando un control del 100% de la producción, tanto en las características dimensionales como en la detección de existencia de defectos, tanto superficiales como internos de los productos. En este contexto, DSIplus ha centrado sus esfuerzos en el desarrollo de sistemas de medición sin contacto basados en la tecnología de visión artificial. Pese a que estos sistemas son capaces de detectar con gran precisión posibles defectos en la superficie de la pieza, resulta complicado establecer manualmente una serie de umbrales para diferenciar los defectos reales de los denominados falsos positivos (FP). En este proyecto se propone la aplicación de técnicas de Machine Learning con el objetivo de complementar a las técnicas de visión clásicas para la detección de defectos superficiales. |
|---|