Page 101
P. 101
emergencia médica (ER) basado en el
aprendizaje profundo utilizando un sen-
sor de dispersión.
Newman Sana (22) trabajó en el moni-
toreo de partículas de aire utilizando el
procesamiento de imágenes. El objetivo
de este proyecto es desarrollar sistemas
portátiles de monitoreo de partículas de
aire de bajo costo utilizando técnicas de
procesamiento de imágenes. Además,
se investigó, desarrolló e implementó
una metodología de procesamiento de
imágenes.
5d. Calidad de imagen fotográfica
Prasad Yarlagadda y Yun Kim Hae pre-
sentaron un método digital de reducción
del polvo basado en una sola imagen fija
(27). Con el fin de restaurar la imagen
en un entorno de polvo, se propuso un
método basado en una sola imagen fija.
5e. Análisis del tipo de partículas
Eckart Schultz
et al
. presentaron un
trabajo para “extraer una huella digital
óptica - un nuevo enfoque para el aná-
lisis de partículas individuales” (9). Se
ha desarrollado un sistema totalmente
automatizado para el análisis de partícu-
las individuales basado en microscopio
mediante la extracción de “huellas dac-
tilares ópticas” de partículas individua-
les en muestras de aire ambiente. Para
este propósito, la microscopía de luz se
desarrolló hacia una técnica de medición
objetiva empleando una nueva herra-
mienta de reconocimiento de patrones.
6. Software aplicado a la “Vision
Inteligente”
Se realiza a continuación una descrip-
ción general de los principales software
utilizados para la “Vision Inteligente”
disponibles en la industria.
El software Vision Builder de National
Instruments (NI) para inspección auto-
matizada (1) ofrece una manera fácil
de configurar, comparar y desplegar un
sistema que aborda las aplicaciones de
visión, desde la coincidencia de patrones
hasta la lectura de códigos y la detección
de presencia, hasta la alineación y clasi-
ficación de precisión.
El software Thermotemp basado en la
detección de fugas de polvo y vapor
por video (18) permite la observación
remota y el monitoreo de estos inci-
dentes, para que se puedan tomar medi-
das efectivas de forma inmediata. Los
desarrollos recientes en la tecnología
de análisis de imágenes de video per-
miten la detección automática confiable
de perturbaciones y peligros tales como
fugas de vapor o polvo. Esta tecnología
innovadora es, por lo tanto, idealmen-
te aplicable donde el vapor, las fugas
de gas y las nubes de polvo puedan
detectarse visualmente y donde la res-
puesta deba ser muy rápida. El sistema
funciona en instalaciones / espacios de
almacenamiento abiertos o en plantas
de manufactura.
Software Mathworks/Matlab de recono-
cimiento de imágenes (19): el recono-
cimiento de imágenes es el proceso que
permite identificar y detectar un objeto
o una característica en una imagen o
video digital. El concepto se utiliza en
muchas aplicaciones como sistemas para
la automatización de fábricas, monitoreo
de cabinas de peaje y vigilancia de segu-
ridad. Los algoritmos típicos de recono-
cimiento de imagen incluyen: reconoci-
miento óptico de caracteres; patrón de
coincidencia y gradiente de coinciden-
cia; reconocimiento facial; coincidencia
de matrículas; identificación de escena
o detección de cambio de escena. El
aprendizaje automático y los métodos
de aprendizaje profundo pueden ser un
enfoque útil para el reconocimiento de
imágenes.
Reconocimiento de imágenes utilizando
aprendizaje automático: el enfoque para
el reconocimiento de imágenes implica
identificar y extraer características cla-
ve de las imágenes y utilizarlas como
entrada para un modelo de aprendizaje
automático.
La plataforma LabView (28) de la Natio-
nal Instruments está orientada al desa-
rrollo del reconocimiento de imágenes.
7. Solución innovadora propuesta
para la medición de polvo de gra-
nos en el aire utilizando la visión
inteligente
7a. Descripción de la solución pro-
puesta
Durante muchos años, uno de los méto-
dos empíricos utilizados por el personal
de la industria para detectar una atmós-
fera potencialmente peligrosa con pre-
sencia de polvo en suspensión en el aire
fue descripto por James Maness de la
siguiente forma: “Las concentraciones
de polvo suspendido de este tipo repre-
sentan una nube muy densa a través de
la cual no se puede ver una lamparita
de 100 vatios a una distancia de aproxi-
madamente 3 metros, o bien su mano
no se puede ver con el brazo extendi-
do” (21).
La idea básica de esta técnica simple es
aplicar un proceso de reconocimiento
visual inteligente (humano) para identi-
ficar el grado de distorsión de un objeto
distante y distintivo que se sumerge en
una atmósfera de polvo suspendido en
el aire para determinar si la concentra-
ción de polvo ha alcanzado niveles de
riesgos muy elevados .
Inspirados en el mismo concepto, pro-
ponemos aquí la adopción de un siste-
ma de “Visión inteligente (VI)” para
detectar el grado de distorsión de un
marcador visual fijo, causado por el
polvo suspendido en el aire, permitien-
do de esa manera la medición de la con-
centración de polvo en el aire.
Como se muestra en la Figura 13, el sis-
tema propuesto está compuesto por una
cámara con una aplicación VI integra-
da y marcadores visuales remotos. En
A&G 116
• Tomo XXIX • Vol. 3 • 396-405 • (2019)
403
Estrategias para la utilización de la tecnología
“Vision Intelligence”
para la prevención de las explosiones de polvo de granos y oleaginosas
aprendizaje profundo utilizando un sen-
sor de dispersión.
Newman Sana (22) trabajó en el moni-
toreo de partículas de aire utilizando el
procesamiento de imágenes. El objetivo
de este proyecto es desarrollar sistemas
portátiles de monitoreo de partículas de
aire de bajo costo utilizando técnicas de
procesamiento de imágenes. Además,
se investigó, desarrolló e implementó
una metodología de procesamiento de
imágenes.
5d. Calidad de imagen fotográfica
Prasad Yarlagadda y Yun Kim Hae pre-
sentaron un método digital de reducción
del polvo basado en una sola imagen fija
(27). Con el fin de restaurar la imagen
en un entorno de polvo, se propuso un
método basado en una sola imagen fija.
5e. Análisis del tipo de partículas
Eckart Schultz
et al
. presentaron un
trabajo para “extraer una huella digital
óptica - un nuevo enfoque para el aná-
lisis de partículas individuales” (9). Se
ha desarrollado un sistema totalmente
automatizado para el análisis de partícu-
las individuales basado en microscopio
mediante la extracción de “huellas dac-
tilares ópticas” de partículas individua-
les en muestras de aire ambiente. Para
este propósito, la microscopía de luz se
desarrolló hacia una técnica de medición
objetiva empleando una nueva herra-
mienta de reconocimiento de patrones.
6. Software aplicado a la “Vision
Inteligente”
Se realiza a continuación una descrip-
ción general de los principales software
utilizados para la “Vision Inteligente”
disponibles en la industria.
El software Vision Builder de National
Instruments (NI) para inspección auto-
matizada (1) ofrece una manera fácil
de configurar, comparar y desplegar un
sistema que aborda las aplicaciones de
visión, desde la coincidencia de patrones
hasta la lectura de códigos y la detección
de presencia, hasta la alineación y clasi-
ficación de precisión.
El software Thermotemp basado en la
detección de fugas de polvo y vapor
por video (18) permite la observación
remota y el monitoreo de estos inci-
dentes, para que se puedan tomar medi-
das efectivas de forma inmediata. Los
desarrollos recientes en la tecnología
de análisis de imágenes de video per-
miten la detección automática confiable
de perturbaciones y peligros tales como
fugas de vapor o polvo. Esta tecnología
innovadora es, por lo tanto, idealmen-
te aplicable donde el vapor, las fugas
de gas y las nubes de polvo puedan
detectarse visualmente y donde la res-
puesta deba ser muy rápida. El sistema
funciona en instalaciones / espacios de
almacenamiento abiertos o en plantas
de manufactura.
Software Mathworks/Matlab de recono-
cimiento de imágenes (19): el recono-
cimiento de imágenes es el proceso que
permite identificar y detectar un objeto
o una característica en una imagen o
video digital. El concepto se utiliza en
muchas aplicaciones como sistemas para
la automatización de fábricas, monitoreo
de cabinas de peaje y vigilancia de segu-
ridad. Los algoritmos típicos de recono-
cimiento de imagen incluyen: reconoci-
miento óptico de caracteres; patrón de
coincidencia y gradiente de coinciden-
cia; reconocimiento facial; coincidencia
de matrículas; identificación de escena
o detección de cambio de escena. El
aprendizaje automático y los métodos
de aprendizaje profundo pueden ser un
enfoque útil para el reconocimiento de
imágenes.
Reconocimiento de imágenes utilizando
aprendizaje automático: el enfoque para
el reconocimiento de imágenes implica
identificar y extraer características cla-
ve de las imágenes y utilizarlas como
entrada para un modelo de aprendizaje
automático.
La plataforma LabView (28) de la Natio-
nal Instruments está orientada al desa-
rrollo del reconocimiento de imágenes.
7. Solución innovadora propuesta
para la medición de polvo de gra-
nos en el aire utilizando la visión
inteligente
7a. Descripción de la solución pro-
puesta
Durante muchos años, uno de los méto-
dos empíricos utilizados por el personal
de la industria para detectar una atmós-
fera potencialmente peligrosa con pre-
sencia de polvo en suspensión en el aire
fue descripto por James Maness de la
siguiente forma: “Las concentraciones
de polvo suspendido de este tipo repre-
sentan una nube muy densa a través de
la cual no se puede ver una lamparita
de 100 vatios a una distancia de aproxi-
madamente 3 metros, o bien su mano
no se puede ver con el brazo extendi-
do” (21).
La idea básica de esta técnica simple es
aplicar un proceso de reconocimiento
visual inteligente (humano) para identi-
ficar el grado de distorsión de un objeto
distante y distintivo que se sumerge en
una atmósfera de polvo suspendido en
el aire para determinar si la concentra-
ción de polvo ha alcanzado niveles de
riesgos muy elevados .
Inspirados en el mismo concepto, pro-
ponemos aquí la adopción de un siste-
ma de “Visión inteligente (VI)” para
detectar el grado de distorsión de un
marcador visual fijo, causado por el
polvo suspendido en el aire, permitien-
do de esa manera la medición de la con-
centración de polvo en el aire.
Como se muestra en la Figura 13, el sis-
tema propuesto está compuesto por una
cámara con una aplicación VI integra-
da y marcadores visuales remotos. En
A&G 116
• Tomo XXIX • Vol. 3 • 396-405 • (2019)
403
Estrategias para la utilización de la tecnología
“Vision Intelligence”
para la prevención de las explosiones de polvo de granos y oleaginosas
