Resumen de Evaluación de descriptores para la detección automática de fallas en fabricación utilizando máquinas de soporte vectorial

Andrés Felipe Calvo Salcedo, Edward Johan Marín García, José Bestier Padilla Bejarano

• español

  Este documento presenta la evaluación de un método de clasificación de fallas en productos terminados utilizando la combinación de descriptores de color, forma y textura. Se utiliza una Máquina de Vectores de Soporte multiclase (SVM-Support Vector Machine) y se construye una base de datos anotada capturando botellas de plástico con 11 situaciones de fabricación entre botellas en buen estado y botellas con imperfectos como rasgaduras, golpes, hendiduras, etc; bajo diferentes condiciones no controladas (ruido, iluminación, escala, entre otras). La etapa de fusión propone una combinación lineal de características y para calcular el desempeño de descriptores y fusión de datos, se utilizó una metodología de validación cruzada aplicando el método de Montecarlo. La configuración de SVM utiliza la metodología multiclase “One-vs-All” con Kernel Radial Gaussiano. La detección se realiza inicialmente aplicando descriptores individuales y combinados.

• English

  This document presents the evaluation of a method of classifying faults in finished products using the combination of color, shape and texture descriptors. Subsequently, a Multiclass Support Vector Machine (SVM-Support Vector Machine) is used to detect possible faults. To validate the model an annotated database is built capturing plastic bottles with 11 manufacturing situations, including bottles in good condition and bottles with imperfections such as tears, bumps, cracks, etc. A cross validation was used applying the Monte Carlo method in order to obtain the statistical relevance of the proposed method. The SVM configuration uses the "One-vs-All" multiclass methodology with Gaussian Radial Kernel. A comparison is made with other art state methods in order to show advantages and disadvantages of the proposal. This work allows us to see the contribution of each descriptor modality in the classification of faults, where an efficiency greater than 85% is observed, due to the fusion of the descriptors.