1

APLICACIÓN DE VISION ARTIFICIAL EN LABVIEW (Deteccion de color, presencia de etiqueta y marca en botellas)

Edison Javier Almeida Baroja – javierpollo_13@hotmail.com -

Jessica Paola Barrionuevo Ponce– azaresj@gmail.com –

Escuela Superior Politécnica del Ejercito, Ingeniería Mecatrónica (8vo nivel), Ecuador.

Abstract

The artificial vision known also as Vision for Computer, applied to the industry is nowadays a

reality, reason for which we propose the application of vision with Labview for the detection of

different parameters that characterize a bottle (color, labeling, and brand). The software to using

is Labview the same one that for possessing a graphical programming facilitates to a great extent

the construction of a program that uses in general as model for the artificial vision and in the

particular thing for the detection of the parameters before mentioned and a chamber was in use

usb for the capture of images. The program allows loading three images that will use as boss for

the later analysis; likewise it possesses a few indicators which show that type of bottle was

analyzed.

Keywords: Key words: Artificial Vision, Labview, Bottle, Chamber USB, Images.

Resumen

La visión artificial conocida también como Visión por Computador, aplicada a la industria es hoy en día una realidad, razón por la cual proponemos la aplicación de visión con Labview para la detección de diferentes parámetros que caracterizan una botella (color, etiquetado, marca). El software a utilizar es Labview el mismo que por poseer una programación gráfica facilita en gran medida la construcción de un programa que sirva en general de modelo para la visión artificial y en lo particular para la detección de los parámetros antes mencionados y se utilizara una cámara USB para la captura de imágenes. El programa permite cargar tres imágenes que servirán de patrón para el posterior análisis, así

mismo cuenta con unos indicadores los cuales muestran que tipo de botella fue analizada.

Palabras Claves: Visión artificial, Labview, Botella, Cámara USB, Imágenes.

2

INTRODUCCIÓN

En el entorno industrial, se busca cada vez más la productividad (procesos más eficientes). Además, estos niveles de productividad tienen que ir asociados con unos altos niveles de calidad del producto final. Por este motivo, es importante tener un control exhaustivo sobre el proceso productivo. Gracias a la constante reducción de costes y a la gran capacidad de los ordenadores, se puede

llegar a sustituir el cometido de una persona por un sistema de visión artificial. Asimismo, se

potencian las funciones del control de calidad de forma sustancial. Por lo tanto, la fiabilidad de

estos sistemas de control con respecto a la observación meramente visual es indiscutible

Sistema de Visión Artificial

El sistema de visión artificial (SVA) surgió a partir del desarrollo de la inteligencia artificial, con el

propósito de programar un computador para que sea capaz de “entender” una escena o las

características de una imagen. Por lo que se puede definir a la visión artificial como el “proceso de

extracción de información del mundo físico a partir de imágenes utilizando para ello un

computador”. Otra definición bastante aceptada es “ciencia que estudia la interpretación de

imágenes mediante computadores digitales”.

Fig1. Esquema sistema de visión artificial

Asistentes de National Instruments

NI Vission Assistent permite adquirir y capturar imágenes provenientes de dispositivos o cámaras que contengan un estándar compatible. Además contiene las herramientas para el procesamiento de Imágenes y permite transferir las operaciones realizadas al diagrama de bloque del programa en Labview.

3

Funcionalidades del módulo de visión

Adquisición de imágenes: trabaja con cámaras CCDs, tarjetas frame grabber, y fuentes de imagen médica, incluyendo ultrasonido, CT y MRI.

Compresión de imágenes: técnicas de compresión, formato de imágenes estándar e imágenes médicas DICOM.

Procesamiento de imágenes: operaciones en niveles de grises (histogramas), umbralizaciones, filtrado espacial, frecuencial y morfológico.

Análisis de imágenes: análisis cuantitativo y cualitativo a nivel de píxel, contornos y reconocimiento de patrones, códigos de barras, etc.

DESARROLLO

Para el desarrollo del proyecto utilizamos como materiales:

Caja

Cámara USB

PC con Labview (NI-VISION)

Serie de botellas con diferentes características

Reconocimiento y Clasificación El enfoque del reconocimiento se puede entender como una clasificación, y es la agrupación de objetos con una representación conocida (PATRONES) comparada con algún grupo representativo (CLASES). El diseño de un sistema de reconocimiento implica una fase de diseño que comprende el aprendizaje o entrenamiento del sistema de reconocimiento y una fase de funcionamiento en la que se clasifican los objetos extraídos.

Fig2. Diagrama de Bloques de la etapa

Adquisición de imagen

Cuando se trabaja con imágenes se tienen que tomar en cuenta una serie de conceptos y de pasos para lograr un mejor desempeño del sistema de reconocimiento.

4

Entre ellos están la iluminación, el tipo de cámara, la lente, el objeto y el ambiente en el que se ejecutará el sistema. Por ejemplo las variaciones de luz o la adición de ruido a las imágenes a reconocer pueden presentar dificultades al sistema. Al desarrollar un sistema de adquisición de imágenes se debe escoger adecuadamente el lugar en donde se efectuará la aplicación, buscando que la iluminación en el lugar de la aplicación contraste con el objeto y el fondo para su óptima localización. Se debe eliminar en lo posible reflejos y factores ambientales como: la luz del día, polvo, vibración, etc. Programación en Labview El programa de Labview se basa en una programación gráfica, estructural y secuencial. Permite desarrollar sistemas para: operar el programa de instrumentación, controlar y comandar el hardware seleccionado, procesar y analizar datos y señales adquiridas y visualizar resultados. El entorno de programación consta de un Panel Frontal y un Diagrama de Bloques. El Panel Frontal permite diseñar la interfaz de usuario a través de botones, dial, perillas, gráficos, indicadores luminosos, entre otros. El diagrama de bloques permite programar a través de estructuras como las del If, for, while, etc., como también anexar asistentes o estructuras de programación para análisis de señales, cálculos matemáticos, trigonométricos, etc, sistemas de control, procesamiento de imágenes, entre otros. La programación por bloques se ejecuta de forma secuencial, de esta manera se debe verificar que el flujo de datos siga un orden lógico.

Procedimiento

1. Abrimos una aplicación en Labview, nos ubicamos en el Block Diagram, donde en la barra de funciones con click derecho sobre la pantalla nos dirigimos a Vision and Motion, seleccionamos el ícono de Vision Express y damos doble click en Vision acquisition.

Fig3. Paso 1

5

2. Damos doble click para configurarlo, aparece la ventana NI Vision Acquisition Express

Seleccionamos la cámara que vamos a usar.

Fig4. Entorno Vision Acquisition

Luego de presionar en siguiente seleccionamos el segundo ícono que nos permitirá hacer una adquisición continua en línea de proceso y finalizamos.

Fig5. Configuración de las opciones de adquisición

6

3. Nos ubicamos en el Block Diagram, donde en la barra de funciones con click derecho sobre la pantalla nos dirigimos a Vision and Motion, seleccionamos el ícono de Vision Express y dentro de este la opción Vision Assistant.

Fig6. Paso 3

Lo ubicamos en el Block Diagram e inmediatamente aparece la venta de NI Vision

Assistant, donde procedemos a entrenar y colocar los filtros necesarios para nuestra

aplicación.

Fig7. Entorno de Vision Assistant

7

Utilizamos tres NI Vision Assistant, para detección de color, otro para la presencia o no de

etiqueta y el final para determinar la marca

Fig8. Vision Assistant utilizados

Determinación de color y presencia de etiqueta

Fig9. Filtros

8

Image Mask: Permite hacer un recorte de la imagen, seleccionamos el área de interés para los siguientes filtros a utilizarse

Fig10. Selección del área a recortar Fig11. Imagen recortada

Color classification: Identifica el color de acuerdo a un grupo de imágenes patrón que determinan cada color, determina las similares y las identifica. Tiene un modo de aprendizaje. Se utilizo el mismo principio para determinar la presencia o no de la etiqueta, así si presenta etiqueta se van a detectar varios colores (diferentes frecuencias) mientras que si existe ausencia de esta se detectara un solo color (color de la botella).

Fig12. Entorno Color classification

9

Determinación de marca

Fig13. Filtro utilizados en la determinación de marca

Measure: Calcula el valor de área de la región de interés para trabajar

Fig14. Calculo del área

10

Color Plane Extration: Permite escoger el mejor enfoque y textura de la fotografía.

Fig15. Extracción del mejor plano de color

Image Mask: Descrito anteriormente

Brightness: Permite modificar el brillo, contraste y gama de la imagen para obtener un

mejor filtrado

Fig16. Refinado del brillo de la imagen

11

Particle classification: Clasifica la imagen de la etiqueta comparándola con imágenes patrón previamente almacenadas en clases, así determina la marca de la botella

Fig17. Entorno de configuración para clasificar la marca

Overlay: Permite sobreponer un elemento a la imagen, se lo utilizo para controlar la

ubicación correcta de la botella para obtener el procesamiento adecuado de la imagen.

Fig18. Sobre posición de un recuadro

12

Con la utilización de todos los elementos descritos anteriormente pudimos obtener la siguiente

programación:

Fig19.Programacion Final

13

Resultados

El programa mostrara la imagen original adquirida, la imagen final filtrada e indicara la marca,

color y si la botella esta o no etiquetada. En caso de no presentar etiqueta no se puede determinar

la marca por lo que en este parámetro se presentara la palabra error.

Fig20.Resultado caja vacía

Fig21.Resultado Botella naranja sin etiqueta

14

Fig22.Resultado Botella de Chivas con etiqueta y color negro

15

CONCLUSIONES Y RECOMENDACIONES

• Podemos concluir que la iluminación se puede considerar como el punto más importante

para el desarrollo de proyectos de visión artificial con adquisición de imágenes ya que de

la intensidad y ubicación de esta va a depender el tipo de datos que recoja la cámara,

variando el procesamiento de los mismos y por ende el resultado que arroje el sistema.

• Es esencial el poseer una buena cámara para poder realizar un manejo adecuado de las

imágenes y del proceso en general.

• El colocar filtros para el brillo y contraste permiten al sistema procesar una mejor imagen,

lo cual facilita el manejo de las herramientas del sistema de visión.

• En la detección de objetos es adecuado determinar si se va a trabajar en un área específica

o en una región determinada, en nuestro caso tomamos un área que fue el de la etiqueta.

• Se posee la función ORC que permite identificar las letras o palabras de una imagen, el

inconveniente con este sistema fue la variación de etiquetas ya que se trabajo con varios

tipos de botellas, por lo cual se optó por un sistema diferente de identificación.

• La correcta identificación de colores es esencial en el sistema, ya que con las variaciones

de intensidad de luz y sombra, el sistema identificaba la imagen patrón que más se le

aproximaba pero no era la adecuada en muchos casos.

• El sistema se lo desarrollo de manera descubierta, funcionando con la variación de luz

ambiente, este no fue un problema de gran magnitud por la excelente cámara que se

manejo pero si es recomendado tener un sistema cerrado con iluminación interna, que

cuente con un ingreso del producto por banda transportadora y un sensor para que se fije

siempre en una posición.

REFERENCIAS

1. Aplicación de Visión con Labview para la Detección de Frascos entre 50 y 120 milímetros de Altura, Revista Tecnológica ESPOL

2. Manual de usuario de Labview