Determinación de las condiciones óptimas de operación

Mediante un proceso experimental se determinó el conjunto de condiciones óptimas para la operación más eficiente del sistema propuesto, incluyendo la clasificación y selección de piezas con geometría regular a partir de color y forma. Con este fin, fue necesario modificar y/o ajustar las condiciones ambiente con las que cuenta el laboratorio CIM, tales como el fondo del área de trabajo y la iluminación. Es importante mencionar que las condiciones iniciales en las que operaba la estación

110

de trabajo no permitieron la realización optima de las tareas de clasificación y selección de piezas, incluyéndose la de diferenciar por color; por tal razón se realizaron distintas pruebas con el tipo de iluminación, espesores de los objetos y segmentación por color. A continuación se detalla cada una de estas pruebas, con la finalidad de ilustrar el proceso de obtención de datos y los resultados que definen las condiciones empleadas durante el desarrollo del proyecto.

7.5.1 Pruebas

Las pruebas de clasificación de objetos se llevaron a cabo bajo las siguientes condiciones:

 Objetos de distintos colores y morfologías.  Objetos con dos distintos espesores. 7.5.2. Pruebas por espesor

 Primer prueba de espesor

Al colocar objetos de 2.54 cm de espesor, Figura 7.25, se observó que estos cuerpos generan un nivel de sombra considerable debido a su espesor, lo que provoca que exista ruido, es decir, resulta confuso para el algoritmo empleado determinar el número de objetos presentes, generando una incorrecta segmentación de color y detección de bordes, como se muestra en las Figuras 7.26 y 7.27.

111

Figura 7.26 Detección por segmentación de Figura 7.27 Detección de bordes con ruido colores y fondo

 Segunda prueba de espesor

La propuesta subsecuente consistió en colocar objetos de menor (2 mm) espesor, ver Figura 7.28. Como resultado del ajuste, se observó la eliminación de errores producidos por la sombra, es decir, se eliminó el ruido. Esta modificación, como se muestra en la Figura 7.29, permitió la correcta segmentación de los objetos.

112

Figura 7.29 Segmentación de objetos de 2 mm de espesor

7.5.3. Pruebas de iluminación

 Primera prueba de iluminación

Esta prueba se realizó con la finalidad de valorar la capacidad del sistema propuesto para detectar los objetos seleccionados en condiciones de iluminación con luz ambiente.

Figura 7.30 Imagen capturada en luz ambiente

Como resultado se obtuvo una imagen en la cual se observa que bajo estas condiciones de luz el fondo de la imagen adquiere una tonalidad roja, provocando confusión en la identificación de cuerpos de color rojo, por lo tanto los objetos carecían de una efectiva segmentación y detección de bordes, ver Figura 7.30.

113  Segunda prueba de iluminación

Durante la segunda prueba, se optó por utilizar una lámpara de luz blanca para la captura de la imagen. Con este cambio se obtuvo una imagen con fondo blanco, sin embargo se presentó el inconveniente que al aplicar los respectivos algoritmos para la distinción por color, los objetos no se lograban diferenciar, existiendo mayores errores para los cuerpos en color verde y azul, Figura 7.31.

Figura 7.31 Imagen capturada con lámpara de luz blanca

 Tercera prueba de iluminación

En esta prueba se utilizaron dos lámparas de luz blanca, ver Figura 7.32. Estas lámparas se colocaron en un ángulo aproximado de 90° en forma horizontal, debido a que en esta orientación se logra obtener una mayor iluminación del espacio de trabajo y de los objetos, obteniendo así una imagen digital con el mínimo ruido presente y una segmentación más eficiente.

114 7.5.4 Segmentación de color

La Figura 7.33 ejemplifica el tipo de imagen a procesar, en la cual resaltan los objetos a clasificar con una considerable disminución de sombra, un mayor contraste entre estos y el fondo de color blanco, esto debido, como se explicó en la sección anterior, al empleo de una configuración de dos lámparas de luz blanca colocadas en los extremos de la imagen.

Figura 7.33 Captura de imagen original

El resultado de aplicar el algoritmo de segmentación de color, habiendo utilizado las dos fuentes de luz blanca, se presenta en las Figuras 7.34, 7.35 y 7.36.

115

Figura 7.35 Segmentación de figuras en color verde

Figura 7.36 Segmentación de figuras de color azul

7.6 Identificación de objetos

Una vez determinadas las mejores condiciones de operación para el correcto funcionamiento del sistema, se logró la identificación de los objetos presentes en la imagen, dicho resultado se describe a continuación.

116

La Figura 7.37 muestra la interfaz del sistema con las dos secciones que permiten elegir entre las opciones para clasificar por color o forma, una vez capturada la imagen. A manera de ejemplo, se presenta los resultados obtenidos al seleccionar la opción de detección para la forma circular, con lo que se obtiene la segmentación de color y la detección de borde de la pieza seleccionada, ver Figura 7.38.

.

Figura 7.37 Selección de color y forma

117

Una vez obtenida la pieza el robot la recolecta tomando como referencia el centroide de la pieza, para después colocarla en el lugar asignado, así al concluir la tarea el robot retorna a su posición de origen. Para corroborar la detección correcta por color y forma de cada una de las distintas piezas, se realizaron pruebas similares para los diferentes objetos, cambiándolos de posición para validar el correcto funcionamiento, ver Figuras 7.39, 7.40, 7.41 y 7.42.

Figura 7.39 Selección de color y forma

118

Figura 7.41 Selección de color y forma

119