Análisis del funcionamiento de la cadena de alimentación de las máquinas deshuesadoras de aceitunas mediante diagnosis por visión artificial y redes neuronales

Résumé

Resumen de la tesis: Las máquinas deshuesadoras de aceitunas se caracterizan porque su funcionamiento óptimo está vinculado a un buen ajuste: Selección de un plato de alimentación adecuado a la variedad de aceituna y su calibre, de las características geométricas de la cadena de alimentación, etc. El primero de estos elementos fija la entrada óptima de aceitunas en la cadena de alimentación impidiendo que queden cangilones vacíos o se llenen con más de una aceituna. El segundo elemento fija la correcta posición de la aceituna para ser deshuesada, evitando que esta sea deshuesada por un eje que no sea el principal. El trabajo propuesto analiza la correcta ubicación de las aceitunas en los cangilones de la cadena de alimentación, para ello se utiliza: 1.-Un sistema de visión artificial con disparo externo capaz de extraer una foto de cada cangilón que pase frente a una cámara. 2.-Una red neuronal clasificadora, de manera que adecuadamente entrenada, permita clasificar el cangilón en cuatro posibles estados: vacío, normal, con dos aceitunas, con aceituna mal posicionada. El análisis se ha a realizado empleando la tool-box de redes neuronales de Matlab. El trabajo valorará como aportación final el uso de chips físicos con redes neuronales para la clasificación: a) Intel Curie b) NeuroMem CM1K Se ha conseguido entrenar por primera vez y de manera exitosa una red de neuronales artificiales implementadas en Chips físicos para la clasificación de imágenes de las aceitunas que circulan por la líneas de alimentación de las máquinas deshuesadoras de este fruto. El uso de los chips físicos Intel Curie y sobretodo Neuromem CM1K por su mayor capacidad y escalabilidad, ha sido satisfactorio y por tanto se comprueba un gran potencial para la clasificación. http://repositorio.bib.upct.es/dspace/