MARCO TEÓRICO. Capítulo II

26  Descargar (0)

Texto completo

(1)

Capítulo II

MARCO TEÓRICO

(2)

10

CAPITULO II

MARCO TEORICO

En este capítulo se investigarán los antecedentes y las bases teóricas en las que se basara la presente investigación, dando a conocer las variables y sus respectivas definiciones. Así como se definen las variables de estudio 1. ANTECEDENTES DE LA INVESTIGACION.

Los antecedentes sirven de referencia para los investigadores que estén estudiando las variables similares al estudio por lo que se realizó una revisión de diferentes trabajos de grados acerca de las variables de estudio para conocer sus aportes, sus puntos coincidentes con el presente estudio.

En este orden de ideas, Reyes, (2016) de la universidad Rafael Belloso Chacín, Venezuela realizo el estudio “Cedula de Trabajo Robotizada para la selección de piezas implementando visión artificial”. La presente investigación tuvo como objetivo el desarrollo de una cedula de trabajo robotizada para la selección de piezas implementando un sistema de visión artificial, esta investigación se fundamenta teóricamente en las áreas de robótica sustentada por el autor Martínez (2008) y en el área de la visión artificial está respaldada por Esqueda (2005). Fue establecida como una investigación de tipo directa e indirecta, utilizando las fichas electrónicas como herramienta para la recopilación de la información.

El enfoque metodológico de la investigación estuvo basado en las consideraciones de Angulo (1986), a través de determinadas fases. Dichas fases fueron: Fase I: Definición de las Especificaciones, Fase II: Esquema General de Hardware, Fase III: Adaptación entre el Hardware y el Software,

(3)

Fase IV: Implementación del Hardware, Fase V: Depuración del Software, Fase VI: Integración del Hardware con el Software, Fase VII: Construcción del prototipo definitivo. Los resultados obtenidos durante la investigación validaron la propuesta de la implementación de los sistemas de visión artificial en las cedulas robotizadas, proporcionando a estos sistemas de una mayor eficiencia y completa autonomía.

El software para control de la cedula, posicionamiento del brazo robótico, así como el tratamiento de las imágenes para el sistema de visión artificial está desarrollado en el ambiente de Labview 2014, el algoritmo por parte del sistema de posicionamiento del brazo utiliza los principios de la cinemática inversa los cuales permiten procesar y calcular los grados de las articulaciones del brazo por medio de coordenadas cartesianas, así mismo por parte del sistema de visión maquina utiliza los principios de procesamiento de imágenes para recortar, segmentar, eliminar el fondo y filtrar la imagen para finalmente proceder al reconocimiento de los objetos.

El trabajo mencionado anteriormente ofrece el aporte de una base para el software de reconocimiento de imágenes, así como el proceso de reconocimiento y las herramientas utilizadas

Mientras que, Fragoso, Medleg, Rivera, Uribe (2016) de la Escuela Tomas Alva Édison de Ciudad de México realizaron “Casco con sensores de proximidad para invidentes”. El casco con sensores de proximidad para invidentes es un proyecto pensado especialmente para apoyar a las

(4)

personas con discapacidad visual. Este dispositivo se construyó a partir de materiales de calidad, pero de bajo costo. Desde su inicio el objetivo fue crear una herramienta útil de uso cotidiano para aquellas personas con pérdida total o parcial de la visión, sin tener que invertir fuertes cantidades monetarias. La parte central del diseño se desarrolló mediante sensores de distancia y sonido, estos están conectados a una bocina que genera un sonido de frecuencia aguda señalando la proximidad de un objeto.

Actualmente, existen otros dispositivos sensoriales en forma de bastón y lentes diseñados para transitar en las calles y poder detectar obstáculos, sin embargo, hay obstrucciones que resultan imposibles de detectar con estos dispositivos, pero nuestra propuesta ofrece valor agregado, al colocar una bocina que emite un sonido agudo de alerta, siendo una señal útil para el portador, pero también representa un foco de atención para todos aquellos que se encuentren en un diámetro aproximado de cinco metros, generando una expectativa de ayuda, apoyo, empatía y coexistencia entre el usuario y las demás personas. El objetivo es que el dispositivo auxilie a las personas carentes de visión y se convierta en una herramienta útil y cotidiana, que sea fácil de usar y que a su vez se vuelva un gadget indispensable, supliendo necesidades primarias de sus usuarios, al alertarlos de cualquier obstáculo físico que ponga en riesgo su integridad, haciéndoles una rutina más segura.

(5)

El estudio propuesto por los autores antes mencionados muestra los dispositivos que se pueden utilizar como son los sensores de distancia y sonido, también informa o da a entender que hay obstrucciones que resultan imposibles detectar con los dispositivos ya existentes para las personas con discapacidad visual y la posibilidad de agregar una señal que represente un foco de atención para todos aquellos que se encuentren en un diámetro aproximado.

También, Espinoza Moncayo, Peña Mendoza (2015) de la Universidad politécnica Salesiana de Ecuador “Diseño e Implementación de un prototipo de gafas electrónicas con comunicación Bluetooth a un celular para la detección de objetos circundantes que servirá como ayuda en personas no videntes”. La presente tesis se basa en la integración de diferentes tecnologías estudiadas a lo largo de la carrera de Ingeniería Electrónica, con la finalidad de tratar de ser un aporte con las personas que presentan discapacidad visual.

Este proyecto tiene como objetivo principal elaborar un diseño e implementar un prototipo de gafas electrónicas que ayude dando una alerta a las personas no videntes, indicando la distancia a la que se encuentre un obstáculo mediante un celular, de tal manera que éste pueda evadirlo al momento de movilizarse.

Se utilizó herramientas como tarjetas de control, las antenas, los módulos de comunicación inalámbrica, sensores, y software como lo son: Pic Kit 2,

(6)

Microbasic Pro, App Inventor 2. Se prosiguió con el montaje de las tarjetas de control y los sensores en las gafas para finalmente realizar las pruebas necesarias y verificar el correcto funcionamiento del proyecto.

Con los resultados obtenidos se presenta un prototipo de gafas electrónicas que se comunican vía bluetooth a un celular capaz de advertir tanto en frente como a los lados la presencia de un obstáculo. El trabajo de grado elaborado por Espinoza y Peña da una base para el desarrollo del software, así como las herramientas necesarias para la programación del sistema.

Por su parte, Prieto, Soto, Pereira (2015) de la universidad Rafael Belloso Chacín “Sistema de identificación para matriculas vehiculares, mediante visión de maquina”. El presente trabajo tuvo como objetivo principal desarrollar un sistema de identificación para matriculas vehiculares, mediante visión de máquina. Para el desarrollo de las bases teóricas se tomó en cuenta el aporte de Creus (2010), Ogata (2010), Sabant (2000), entre otros.

En este sentido el tipo de investigación es proyectiva, descriptiva, de campo, no experimental. Dentro de las técnicas de instrumentos de recolección de datos manejados en la presente investigación se hizo uso de la observación directa y la revisión de documentos.

En cuanto a la metodología de trabajo seleccionada, consistió en la metodología propuesta por Savant (2010), la cual consiste en cinco fases:

Fase I definir el problema, Fase II subdividir el problema, Fase III crear

(7)

documentación, Fase IV construir un prototipo, Fase V finalizar el diseño.

Con la implementación de este sistema para la identificación para matriculas vehiculares, mediante visión de maquina se logró la automatización de la lectura de los caracteres alfanuméricos de las matriculas vehiculares para las multifunciones posterior que eso conlleva, concluyendo con el objetivo fundamental de la investigación.

Esta investigación aporta el diseño de un sistema de visión máquina el cual podrá ser usado como base para el desarrollo del proyecto, además de la selección de autores los cuales pueden ser utilizados como referencia para la investigación

Así mismo, Arévalo Vázquez, Zúñiga López, Villegas Cortez, Avilés Cruz (2015) “Implementación de reconocimiento de objetos por color y forma en un robot móvil” La visión artificial la componen un conjunto de procesos destinados a realizar el análisis de imágenes. Estos procesos son: captación de imágenes, memorización de la información, procesado e interpretación de los resultados. En este artículo se presenta un avance en el aprovechamiento del poder de procesamiento de los nuevos sistemas embebidos para controlar un robot móvil por medio de un algoritmo de visión más que por sensores electrónicos.

En este caso particular se buscó desde un robot móvil analizar un objeto con base a su color y forma, tal que el dispositivo pueda moverse de manera autónoma hacia el objeto para analizarlo, y que realice movimientos para

(8)

buscar y encontrar un objeto idéntico a ´el, obtenido del resultado del procesamiento de imágenes. El estudio aporta conocimiento acerca de cómo detectar la forma y el color en tiempo real de un objeto, ya que es esencial para esta tesis.

Además, Chacón, Franklin (2014) “Sistema automatizado para la clasificación de objetos mediante la visión maquina” El propósito del siguiente estudio tuvo como finalidad desarrollar un sistema automatizado para la clasificación de objetos mediante la visión de máquina. Para lograr esto se determinó el tipo de investigación la cual fue proyectiva y descriptiva.

De igual modo su diseño fue de campo y no experimental. La investigación se apoyó teóricamente en los aportes expuestos por Fu, K. Gonzales, R. y Lee (1988). Dorf Richard (2005). Kuo, Benjamin (1996).

La metodología seleccionada es directa y sustentada por Angulo, J (1986), que consiste en nueve fases, presentadas de la siguiente manera:

Fase I: definición de las especificaciones, Fase II: esquema general de hardware, Fase III: ordinograma general, Fase IV: Adaptación entre el hardware y el software, Fase V: ordinogramas modulares y codificación del programa, Fase VI: depuración del software, Fase VII: implementación del hardware, Fase VIII: integración del hardware con el software, Fase IX:

pruebas finales del prototipo.

Para la técnica de recolección de datos se adoptó la observación directa y como instrumentos diversos manuales técnicos, software, entre otros. En los

(9)

resultados obtenidos se pudieron establecer los requerimientos necesarios para el desarrollo del sistema a proponerse, el cual trajo consigo el avance de las actividades propuestas en dicha investigación.

Aportando como conclusión la ejecución de un sistema automatizado para la clasificación de objetos mediante visión de máquina. Se recomienda:

agregar una rutina en la cual el usuario seleccione la manera en la cual se realizará el reconocimiento del objeto. Realizar el reconocimiento de forma continua, es decir colocar varios objetos al mismo tiempo y que el sistema sea capaz de diferenciarlos, por último, que el sistema sea capaz de buscar por coordenadas.

La investigación muestra una base del sistema de visión de maquina capaz de reconocer objetos, dando recomendaciones para el desarrollo del software, además de contener autores los cuales podrán ser utilizados como base para la investigación teórica.

2. BASES TEORICAS 2.1. VISION MAQUINA.

2.1.1. DEFINICION

“Los sensores proporcionan al robot información sobre su entorno, que él puede usar para guiar sus acciones. La visión es un sentido muy importante porque puede dar información de una resolución relativamente alta a

(10)

distancias relativamente grandes. Se han desarrollado muchos tipos de sistemas de visión para robots, los cuales entran en uso práctico cada vez con más frecuencia.” Restrepo (2007).

“La visión maquina es una disciplina científica que incluye métodos para adquirir, procesar y analizar imágenes del mundo real con el fin de producir información que pueda ser tratada por una máquina.” Página Web Contaval (2016).

Se podría definir que la visión maquina es el proceso que utiliza una maquina o dispositivo para analizar imágenes con el fin de realizar diversas acciones

2.1.2. CARACTERÍSTICAS.

A continuación, se presentarán algunas de las características de la visión maquina

2.1.2.1. FILTRADO DE IMÁGENES DIGITALES.

Es el conjunto de técnicas englobadas dentro del preprocesamiento de imágenes cuyo objetivo fundamental es obtener, a partir de una imagen origen, otra final cuyo resultado sea más adecuado para una aplicación

(11)

específica mejorando ciertas características de la misma que posibilite efectuar operaciones del procesado sobre ella.

La visión maquina utiliza el procesamiento de estas imágenes para obtener un análisis más eficiente del entorno, lo cual, facilita la recolección de la información a utilizar.

2.1.2.2. SEGMENTACIÓN.

“La segmentación es el proceso que divide una imagen en objetos de interés. Mediante los procesos de descripción se obtienen características convenientes para diferenciar un objeto de otros. Esto facilita la identificación de un objeto clave por el sistema permitiendo un reconocimiento más eficiente.” Universidad Nacional de San Juan (2014)

2.1.2.3. ESTABLECIMIENTO DE UMBRALES.

Es un método de segmentación que trata de asignar cada pixel a un cierto grupo, La pertenencia de un píxel a un cierto segmento se decide mediante la comparación de su nivel de gris (u otro valor unidimensional) con un cierto valor umbral. El nivel de gris de un píxel equivale a su nivel de luminosidad;

el resto de la información sobre el color no se tiene en cuenta. Dado que esta comparación de valores se realiza individualmente para cada píxel, al método del valor umbral se le considera un método de segmentación orientado a píxeles.

(12)

2.1.3. TIPOS

La visión maquina permite analizar entornos para la recolección de información, dependiendo al uso que se le dará a un dispositivo, el programa podrá usar la visión adecuada para el proyecto.

2.1.3.1. VISION 1D

Según la compañía Cognex (2018) la visión 1D analiza una señal digital en solo una línea en vez de observar una imagen completa, de tal manera que reconozca la variación entre grupos de varias líneas. Esta técnica se utiliza en la manufactura para detectar y clasificar defectos en procesos continuos, como los son el papel, metal y plástico

2.1.3.2. VISION 2D

El objetivo general de una máquina vidente es derivar una descripción de una escena, analizando una o más imágenes de dicha escena. En algunas situaciones la escena misma es básicamente bidimensional. Por ejemplo, si el robot trabaja con piezas planas sobre una superficie plana, o si busca perforaciones en tal superficie. La visión para situaciones bidimensionales es más fácil que para las tridimensionales, y, como era natural, los primeros trabajos sobre máquinas videntes se hicieron en esa modalidad.

(13)

Para que un robot reconozca partes, perforaciones, entre otros. en una superficie, y en general objetos, Primero debe distinguir los objetos de interés del resto de la superficie. En otras palabras, debe ser capaz de "destacar"

partes de la imagen que corresponden a esos objetos. Este proceso de extraer subconjuntos de una imagen que corresponden a partes relevantes de la escena se denomina Segmentación.

Cuando se ha extraído un subconjunto de una imagen, generalmente es necesario medir varias propiedades geométricas de tal subconjunto (tamaño, forma, entre otros.) tales medidas pueden ser la base para reconocer si el subconjunto representa un objeto dado, así como para determinar la posición y orientación de tal objeto.

También pueden servir de base para una posterior segmentación dentro del subconjunto; por ejemplo, si dos objetos se tocan o superponen, puede ocurrir que hayan sido extraídos como un solo subconjunto, y puede ser necesario dividir este subconjunto en dos partes basándose en criterios geométricos, por ejemplo, descomponiéndolo en partes convexas. Esta etapa del proceso de visión se denomina Análisis geométrico. Se pueden diseñar diferentes algoritmos para Análisis Geométrico, dependiendo de la manera como estén representados los subconjuntos de imagen dentro del computador, por esto el tema de la Representación Geométrica de subconjuntos de la imagen está estrechamente relacionado con el Análisis Geométrico.

(14)

El reconocer objetos por medio del análisis de subconjuntos de una imagen puede variar mucho en dificultad, dependiendo de la complejidad de los objetos. Si los objetos que pueden estar presentes en la escena difieren mucho entre sí, se puede usar una comparación relativamente sencilla contra patrones o plantillas; en esta situación, puede incluso ser innecesario extraer explícitamente los objetos del resto de la imagen.

Más a menudo, los objetos pueden reconocerse porque cumplen un conjunto característico de valores de sus parámetros geométricos. Este método de comparación de rasgos geométricos se usó, por ejemplo, en un módulo de visión desarrollado en el SRI International a mediados de los años 70. Si los objetos a reconocer son complejos, puede ser necesario descomponer en etapas el proceso de reconocimiento: Detectar primero subobjetos y reconocer sus propiedades, y luego reconocer los objetos como combinaciones de esos subobjetos en relaciones específicas. Este procedimiento se conoce como el método de Comparación de Estructuras.

2.1.3.3. VISION 3D

La visión es mucho más compleja si requerimos tratarla tridimensionalmente, por ejemplo, si el robot debe trabajar con una pila de objetos, o tiene que determinar la orientación de un objeto en el espacio. En tales escenas las superficies de los objetos pueden tener orientaciones variables y, por ejemplo, un objeto uniformemente reflectante puede no aparecer con brillo uniforme.

(15)

También es difícil obtener información uniforme; las sombras son inevitables. Si se pueden calcular los efectos de la iluminación y de la orientación de las superficies, se puede corregir la información de brillo de la imagen, de manera que está presente la efectividad intrínseca de las superficies para luego segmentar la imagen en regiones que correspondan a superficies uniformemente reflectivas.

Además, si se conoce la orientación de una superficie en todos los puntos, se puede segmentar la imagen en regiones dentro de las cuales no hay cambios abruptos en la orientación y que entonces probablemente pertenecen a las superficies de un mismo objeto. Pero aún si se logra una segmentación correcta, el reconocimiento del objeto tridimensional aún es difícil porque tal objeto puede originar en la imagen regiones de formas (bidimensionales) muy variadas según su orientación. Además, sólo vemos un lado del objeto desde un punto de vista dado, y los objetos pueden ocultarse parcialmente entre sí, lo cual significa que el reconocimiento se debe basar en datos incompletos.

La investigación a fondo de la visión tridimensional artificial comenzó a mediados de los 60 en los principales laboratorios de inteligencia artificial. Se desarrollaron muchas técnicas para recuperar información sobre la orientación y las formas tridimensionales de las superficies visibles en una escena. Los métodos utilizados incluyen medición de la distancia, mapeado estéreo, y la inferencia sobre la forma de la superficie a partir de indicios

(16)

presentes en una sola imagen. Adicionalmente, se desarrollaron métodos para la información morfológica tridimensional y se realizó un trabajo básico sobre el reconocimiento de objetos tridimensionales parcialmente visibles y con orientación desconocida.

Las técnicas de visión tridimensional tienden a ser computacionalmente costosas, y pocas han sido aplicadas fuera de ambientes experimentales.

2.2. RECONOCIMIENTO DE OBJETOS 2.2.1. DEFINICIÓN

“Es un software que permite analizar imágenes y detectar los objetos que puedan aparecer. La detección de estos objetos amplia la inteligencia artificial de los robots y su capacidad para interactuar” Escudero Pardo (2009).

Según Wikipedia (24/11/2017) “Es la tarea de encontrar e identificar objetos en una imagen o secuencia de videos”

En resumen, se puede decir que es la capacidad de reconocer y diferenciar un objeto de los demás.

2.2.2. CARACTERISTICAS

La detección de objetos lleva cerca de 50 años de investigación, sobre el que se ha invertido gran esfuerzo debido a su amplitud de posibilidades

(17)

prácticas. La detección automática de objetos permite un avance sobre la robótica facilitando la interacción de los robots con su entorno. El reconocimiento de objetos tiene como fin extraer propiedades del mundo a partir de un conjunto de imágenes, por medio de los cuales se obtiene una imagen digital la cual podrá ser analizada mediante un sistema informático para obtener los parámetros necesarios para comparar los mismos en una base de datos.

2.2.3. TIPOS

El reconocimiento de objetos varía en función a las características del objeto que necesita reconocer, pudiendo usar tanto la apariencia como diversas características específicas del objeto para poder diferenciarlo del resto.

Basado en apariencia: Usa imágenes de ejemplo de los objetos para realizar el reconocimiento a través de técnicas de emparejamiento de bordes, emparejamiento por escala de grises y emparejamiento del gradiente.

Analizando los cambios en la iluminación, color y dirección de observación permite al sistema un acercamiento hacia la búsqueda eficiente de la base de datos para una imagen específica para comparar con los modelos geométricos del objeto a reconocer.

(18)

Basado en características: Una búsqueda es usada para encontrar emparejamientos factibles entre las características de los objetos y las características de la imagen.

2.3. HARDWARE

La Real Academia Española (2017) define al hardware como el conjunto de los componentes que conforman la parte material (física) de una computadora, a diferencia del software que refiere a los componentes lógicos (intangibles). Sin embargo, el concepto suele ser entendido de manera más amplia y se utiliza para denominar a todos los componentes físicos de una tecnología.

En el caso de la informática y de las computadoras personales, el hardware permite definir no sólo a los componentes físicos internos (disco duro, placa madre, microprocesador, circuitos, cables, entre otros sino también a los periféricos (escáners, impresoras).

El hardware suele distinguirse entre básico (los dispositivos necesarios para iniciar el funcionamiento de un ordenador) y complementario (realizan ciertas funciones específicas).

2.3.1. CAMARA DIGITAL

(19)

Según Cecilia Bembibre (2011), La cámara digital es uno de los dispositivos electrónicos más populares y exitosos de los últimos años ya que nos permite a cualquiera poder tomar fotografías de muy diverso tipo teniendo el resultado de cómo sería la imagen en el instante en que se saca, sin necesidad de esperar al revelado. Las cámaras digitales no funcionan sobre la base de una película fílmica como las cámaras de fotografía tradicionales, sino sobre la base de un sensor electrónico interno que hace las veces de la película fílmica donde se graba o imprime la imagen captada para luego ser almacenada en una memoria interna para que el usuario pueda disponer de ellas cuándo y cómo quiera.

Hay varias diferencias entre una cámara digital y una cámara de fotografía tradicional. En primer lugar, en la primera el usuario puede ver en el instante en el que la imagen está siendo sacada, cómo quedaría la misma a partir del uso de una pantalla con la que cuentan estas cámaras que hace las veces de visor.

En ella se reproduce la imagen como se vería a través del visor en la cámara de foto tradicional. Por otro lado, las cámaras digitales poseen una capacidad de zoom mucho más afinada y mucho más fácil de regular, que además, al volverse tan delicada, es sólo es recomendable cuando uno puede probar sobre la imagen tal como sucede con las cámaras digitales.

Además, en cuanto al formato, las cámaras digitales actuales tienen un elemento a favor y es que son mucho más livianas, pequeñas, fáciles de usar

(20)

y anatómicamente cómodas que las cámaras de foto tradicionales, y esto sin mencionar las cámaras de fotos profesionales que suelen ser mucho más grandes y pesadas. Estas características hacen que la cámara digital sea mucho más útil, cómoda e interesante que las cámaras de fotografía tradicional.

Hoy en día, las cámaras digitales cuentan con un sinfín de opciones extras que se pueden aplicar tanto a las imágenes que permanecen en la memoria como también a la toma de videos con o sin sonido. Todos estos materiales multimedia pueden ser luego trabajados en la misma cámara al poderse mejorar su calidad, sus colores, su sonido, agregarles efectos especiales, entre otros.

2.3.2. COMPUTADOR

De acuerdo con Cinacchi (2013) “Es un sistema electrónico rápido y exacto que manipula símbolos o datos que están diseñados para aceptar datos de entrada, procesarlos y producir salidas (resultados) bajo la dirección de un programa de instrucciones almacenado en su memoria. Los usuarios de las computadoras consideran el término sistema como un conjunto de partes que están integradas con el propósito de lograr un objetivo. Las siguientes tres características son fundamentales.”

(21)

Para su funcionamiento, la computadora requiere de programas informáticos (software) que aportan datos específicos, necesarios para el procesamiento de información. Una vez obtenida la información deseada, ésta puede ser utilizada internamente o transferida a otra computadora o componente electrónico.

A grandes rasgos una computadora se encuentra compuesta por el monitor, el teclado, el mouse, la torre (donde se encuentra el disco duro y los demás componentes del hardware) y la impresora, y cada uno cumple una función particular. Por otro lado, este aparato se encuentra preparado para realizar dos funciones principalmente: responder a un sistema particular de comandos de una forma rápida y ejecutar programas, los cuales consisten en una serie de instrucciones grabadas con antelación.

El software de una computadora es uno de los elementos fundamentales para su funcionamiento, su sistema operativo, que consiste en una gran plataforma donde pueden ejecutarse los programas, aplicaciones o herramientas que sirven para realizar diferentes tareas.

(22)

2.3.3. RASPBERRY PI

Según la página oficial Raspberrypi.org, El raspberry pi es una placa computadora de bajo coste, se podría decir que es un computador de tamaño reducido al de una tarjeta de crédito, desarrollado por la fundación Raspberry Pi en la Universidad de Cambridge en 2011, su objetico es estimular la enseñanza de la informática en las escuelas.

El diseño de la Raspberry Pi incluye:

– Un Chipset Broadcom BCM2835, que contiene un procesador central (CPU) ARM1176JZF-S a 700 MHz (el firmware incluye unos modos Turbo para que el usuario pueda hacerle overclock de hasta 1 GHz sin perder la garantía),

– Un procesador gráfico (GPU) VideoCore IV

– Un módulo de 512 MB de memoria RAM (aunque originalmente al ser lanzado eran 256 MB).

– Un conector de RJ45 conectado a un integrado lan9512 -jzx de SMSC que nos proporciona conectividad a 10/100 Mbps

(23)

– 2 buses USB 2.0

– Una Salida analógica de audio estéreo por Jack de 3.5 mm.

– Salida digital de video + audio HDMI – Salida analógica de video RCA

– Pines de entrada y salida de propósito general – Conector de alimentación microUSB

– Lector de tarjetas SD

2.3.4. SENSOR ULTRASONIDO.

Los sensores de ultrasonidos o sensores ultrasónicos son sensores que trabajan libres de roces mecánicos y que detectan objetos a distancias que van desde pocos centímetros hasta varios metros. El sensor emite un sonido y mide el tiempo que la señal tarda en regresar. Estos reflejan en un objeto, el sensor recibe el eco producido y lo convierte en señales eléctricas, las cuales son elaboradas en el aparato de valoración.

Estos sensores trabajan solamente donde tenemos presencia de aire (no pueden trabajar en el vacío, necesitan medio de propagación), y pueden detectar objetos con diferentes formas, diferentes colores, superficies y de diferentes materiales. Los materiales pueden ser sólidos, líquidos o polvorientos, sin embargo, han de ser deflectores de sonido. Los sensores trabajan según el tiempo de transcurso del eco, es decir, se valora la distancia temporal entre el impulso de emisión y el impulso del eco.

(24)

2.3.5. LENGUAJE PYTHON

Según Wikipedia, Python es un lenguaje de programación interpretado cuya filosofía hace hincapié en una sintaxis que favorezca un código legible.

Se trata de un lenguaje de programación multiparadigma, ya que soporta orientación a objetos, programación imperativa y, en menor medida, programación funcional. Es un lenguaje interpretado, usa tipado dinámico y es multiplataforma.

Es administrado por la Python Software Foundation. Posee una licencia de código abierto, denominada Python Software Foundation License, que es compatible con la Licencia pública general de GNU a partir de la versión 2.1.1, e incompatible en ciertas versiones anteriores.

2.3.6. AURICULAR.

Aglesa (2016) “En informática, un auricular es un dispositivo periférico de salida que se utiliza para escuchar audio desde un dispositivo electrónico.

También llamado audífono. En inglés: headphone.”

Los auriculares se enganchan en la cabeza u oídos y permiten a sus usuarios escuchar de forma privada audio. Algunos auriculares traen micrófono incorporados. Los dispositivos que permiten escuchar el audio al ambiente en general se llaman parlantes o altavoces.

(25)

Usualmente se conectan por puerto USB, por conector jack o de forma inalámbrica.

La mayoría de los auriculares soportan un hasta 100 dB (decibelios) o en algunos casos más, lo que puede producir daños permanentes en la audición humana.

En computadoras se considera un dispositivo o periférico de salida.

3. SISTEMA DE VARIABLES 3.1. DEFINICION NOMINAL

Reconocimiento De Objetos.

Visión Maquina

3.2. DEFINICION CONCEPTUAL:

“Es un software que permite analizar imágenes y detectar los objetos que puedan aparecer. La detección de estos objetos amplia la inteligencia artificial de los robots y su capacidad para interactuar” Escudero Pardo (2009).

La visión maquina es una disciplina científica que incluye métodos para adquirir, procesar y analizar imágenes del mundo real con el fin de producir información que pueda ser tratada por una máquina.

3.3. DEFINICION OPERACIONAL:

(26)

Operacionalmente se define reconocimientos de objetos como el dispositivo será capaz de reconocer distintos objetos y dar información de estos.

Operacionalmente se define visión de maquina como el dispositivo que será capaz de ver su entorno y analizarlo para advertir de cualquier

obstáculo.

Figure

Actualización...

Referencias

Related subjects :