Sistema de clasificación de productos alimenticios por visión artificial y Deep Learning

Abstract

El presente Trabajo de Fin de Máster aborda el estudio, diseño y validación de un sistema de visión artificial aplicado a procesos de clasificación en un entorno industrial. En primer lugar, se realiza un recorrido que parte de los fundamentos del Deep Learning y la Visión Artificial y se extiende hasta alcanzar un nivel de detalle suficiente para comprender en profundidad la solución planteada, incluyendo conceptos sobre el procesamiento digital de imágenes, redes neuronales, algoritmos de detección de objetos y sistemas de automatización industrial. A continuación, se presenta el análisis de un problema real de clasificación industrial, la selección óptica de frutos secos. Sobre este problema se propone una solución basada en técnicas avanzadas de detección de objetos. Se incluyen los cálculos necesarios para dimensionar los componentes del sistema y garantizar su correcto funcionamiento dentro de un entorno productivo real. Asimismo, se presenta un esquema detallado del sistema, describiendo los elementos que lo componen, su disposición y la interrelación entre ellos, con el objetivo de ofrecer una solución completa y factible desde el punto de vista del diseño industrial y de ingeniería. La viabilidad técnica de dicha propuesta se evalúa mediante la construcción de un prototipo económico, que permite validar el núcleo funcional del sistema industrial propuesto en la fase de diseño, a la vez que constituye un ejercicio de integración multidisciplinar de técnicas de visión artificial, inteligencia artificial y control automático. Finalmente, se incluye un estudio económico de la solución, la elaboración de un presupuesto detallado que permite dimensionar los recursos necesarios para la implantación del sistema en un entorno productivo real, ofreciendo así una visión integral del problema, su solución y su factibilidad económica

This Master’s Thesis addresses the study, design, and validation of a computer vision system applied to classification processes in an industrial environment. First, an overview is presented that starts from the fundamentals of Deep Learning and Computer Vision and extends to a level of detail sufficient to thoroughly understand the proposed solution, including concepts on digital image processing, neural networks, object detection algorithms, and industrial automation systems. Subsequently, the analysis of a real industrial classification problem is presented: the optical sorting of nuts. For this problem, a solution based on advanced object detection techniques is proposed. The necessary calculations to size the system components and ensure their proper operation within a real production environment are included. In addition, a detailed diagram of the system is presented, describing its constituent elements, their layout, and their interrelationships, with the aim of offering a complete and feasible solution from the perspective of industrial and engineering design. The technical feasibility of the proposed solution is evaluated through the construction of a cost-effective prototype, which makes it possible to validate the functional core of the industrial system designed in the previous phase, while at the same time constituting an exercise in multidisciplinary integration of computer vision, artificial intelligence, and automatic control techniques. Finally, an economic study of the solution is included, consisting of a detailed budget that allows the resources required for the implementation of the system in a real production environment to be dimensioned. This provides a comprehensive view of the problem, the proposed solution, and its economic feasibility.