Análisis del funcionamiento de la cadena de alimentación de las máquinas deshuesadoras de aceitunas mediante diagnosis por visión artificial y redes neuronales
-
Antonio Madueño Luna [1] ; Manuel de Jódar Lázaro [2] ; Alberto Lucas Pascual [2] ; Antonio Ruiz Canales [4] ; José Miguel Molina Martínez [5] ; M. López [1] ; J.M. Madueño [3] ; M. Justicia [1] ; J.A. Granados [1]
-
[1] Universidad de Sevilla
Universidad de Sevilla
Sevilla, España
-
[2] Universidad Politécnica de Cartagena
Universidad Politécnica de Cartagena
Cartagena, España
-
[3] Universidad de Córdoba
Universidad de Córdoba
Cordoba, España
-
[4] University Miguel Hernández
-
[5] Technical University of Cartagena
-
- Localización: IX Congresso Ibérico de Agroengenharia: Livro de Atas / coord. por José Carlos Barbosa, António Castro Ribeiro, 2018, ISBN 978-972-745-247-7, págs. 1143-1150
- Idioma: español
- Títulos paralelos:
- Performance analysis of supply chain in olive pitting machines by artificial vision and neural networks
- Texto completo no disponible (Saber más ...)
-
Resumen
- español
Las máquinas deshuesadoras de aceitunas se caracterizan porque su funcionamiento óptimo está vinculado a un buen ajuste: Selección de un plato de alimentación adecuado a la variedad de aceituna y su calibre, de las características geométricas de la cadena de alimentación, etc. El primero de estos elementos fija la entrada óptima de aceitunas en la cadena de alimentación impidiendo que queden cangilones vacíos o se llenen con más de una aceituna. El segundo elemento fija la correcta posición de la aceituna para ser deshuesada, evitando que esta sea deshuesada por un eje que no sea el principal. El trabajo propuesto analiza la correcta ubicación de las aceitunas en los cangilones de la cadena de alimentación, para ello se utiliza:1.-Un sistema de visión artificial con disparo externo capaz de extraer una foto de cada cangilón que pase frente a una cámara.2.-Una red neuronal clasificadora, de manera que adecuadamente entrenada, permita clasificar el cangilón en cuatro posibles estados: vacío, normal, con aceituna mal posicionada en “barco” y caso anómalo (dos aceitunas en un mismo cangilón, aceituna rota o aceituna mal posicionada no en barco).Un análisis previo que ha permitido comprobar la viabilidad del uso de una red neuronal para este tipo de clasificado, se ha llevado a cabo empleando la tool-box de redes neuronales de Matlab.El trabajo muestra el uso de dos chips físicos con redes neuronales para la clasificación:a) Intel Curieb) NeuroMem CM1KSe ha conseguido entrenar por primera vez y de manera exitosa una red de neuronales artificiales implementadas en chips neuromórficos para la clasificación de imágenes de las aceitunas que circulan por las líneas de alimentación de las máquinas deshuesadoras de este fruto. El uso de los chips físicos Intel Curie y sobre todo Neuromem CM1K por su mayor capacidad y escalabilidad, ha sido satisfactorio y por tanto se comprueba un gran potencial para la clasificación.
- English
The pitting machines of olives are characterized because his optimum working is linked to a good adjust selection of a right feed disc to the variety of olives and his caliber, the geometric features of supply chain, etc The first of this elements pins up the optimum input of olives in the supply chain keeping off buckets with gapor more than one olive there. The second element pins up the right position of the olives to be pitted, keeping off this olive be pitted for no main axe. The proposed paper analyses the right position of the olives in the buckets of the supply chain, for it we have used:1.- An artificial vision system with external triggering be able to take photos for each buckets in front of the camera.2.- A neuronal network classified, in a right teaching way, it can classify the bucket in four possible cases: empty, normal, incorrect olive position “barco”, and anomalous case (two olives in the same bucket, broken olive and incorrect olive position however no barco olive).The analysis has carried out using tool-box of Matlab neuronal network, this previous analysis verified the viability of a neural network for this kind of classification.The paper values as a last input the use of physics chips with neuronal network to classify:a) Intel Curieb) NeuroMem CM1KIt has been achieved to train a neuronal network implemented in physical chips to classify pictures of olives which are circulating on the feed lines of pitting machines of olives for the first time and in a successful way. The use of physical chips Intel Curie and mainly Neuromem CM1K due his greater capacity and scalability, it has been achieved so it is possible a great potential for classification.
- español
