Escolar Documentos
Profissional Documentos
Cultura Documentos
1. INTRODUCCION.
El problema que se presenta en este proceso es que el operador debe tener una buena
aproximación del tamaño de pellets que se está generando en el disco peletizador con el
objetivo de producir en tamaño deseado por el cliente, los pellets que estén fuera de las
especificaciones serán rechazados por una criba y posteriormente serán reprocesados, lo cual se
traduce en gasto de energía. Cabe mencionar que los pelets que son observados por el operador
están en movimiento continuamente lo cual hace aun más compleja la tarea de determinar su
tamaño promedio. Si por ejemplo se le pide a una persona que cuente y clasifique los
rectángulos mostrados en la figura 2 de acuerdo a su frecuencia de aparición, se dará cuenta de
que es una tarea con un alto grado de complejidad, más aun si las partículas están en
movimiento.
3. EL ALGORITMO DE VISIÓN.
El algoritmo fue desarrollado bajo la plataforma de software NI Vision de National
Instruments que es un programa enfocado al análisis e inspección industrial, este software
permite exportar el algoritmo a LabVIEW que es un lenguaje de programación grafica, el cual
pose múltiples herramientas para el control automático de procesos y adquisición de datos. A
continuación se describe la secuencia del algoritmo y las funciones de LabVIEW que se
utilizaron para poder realizarlo. El sistema utilizado en este proyecto es una iluminación de aro
que elimina la sombra en todas direcciones de la superficie que se está observando.
A. Se obtiene una imagen del objeto que está bajo observación, para realizar esta tarea se
utiliza la función IMAQ USB Snap.VI. figura 3 a).
D. Una vez que la imagen ha sido convertida a 8bits se procede entonces a transformar la
imagen de 8 bits a una imagen binaria, en la cual solo existe el objeto de interés y el
fondo sobre el cual está el objeto, para llevar a cabo esta tarea se emplea la función de
IMAQ AutoBThresholt, Figura 3d).
E. Se procedió luego a utilizar la función IMAQ Find Circles, esta función permite
distinguir las partículas de forma esférica aun cuando estas sobrepuestas, esta función
utiliza los coeficientes de Danielsson para reconstruir la forma de una partícula hasta
llegar a una aproximación esférica. Figura 3e).
Ec. 1
Donde di es el diámetro de la partícula.
a) b) c)
d) e)
4. EXPERIMENTOS.
Se realizo la siguiente prueba del algoritmo
La adquisición de imágenes se realizó con una videocámara que proporciona una imagen de
434 x 326 pixeles, a una distancia de trabajo de 7cm. Nuestra fuente de imagen son semillas
de mostaza que miden aproximadamente 2mm. de diámetro y presentan una forma
esferoidal similar al pelet de Hierro que se genera en el disco peletizador. El tamaño de estas
semillas de mostaza hace posible observar con una mayor exactitud el error que se genera en
la medición del diámetro.
5. CONCLUSIONES.
El diámetro promedio Sauter calculado en mediciones reales es de 73.3585273 pixeles,
mientras que en el algoritmo el diámetro promedio Sauter es de 68.2664844 pixeles. De
estos datos obtenidos podemos determinar el error (o desviación máxima), que es de 4.213
pixeles. Para la determinación del diámetro promedio Sauter se midieron 200 semillas con
un micrómetro, estas mediciones arrojaron un diámetro promedio Sauter de 1.981mm. y su
promedio Sauter en pixeles es de 73.3585273 pixeles entonces el error en unidades reales es
de 0.113mm de error.