1. DSpace en ESPOL
2. Unidades Académicas
3. Facultad de Ingeniería en Electricidad y Computación
4. Tesis de Electrónica y Automatización

Título :	Desarrollo e implementación de un sistema de clasificación de múltiples piezas de PVC utilizando un brazo robótico Niryo One, cámara RGB-D, Jetson Nano y técnicas de inteligencia artificial.
Autor :	Valarezo Añazco, Edwin Giannine, Director Mendieta Gómez, Rolando Joel
Palabras clave :	Clasificación de piezas Robótica Visión artificial Deep learning ROS
Fecha de publicación :	2024
Editorial :	ESPOL.FIEC
Citación :	Mendieta Gómez, R. J. (2024). Desarrollo e implementación de un sistema de clasificación de múltiples piezas de PVC utilizando un brazo robótico Niryo One, cámara RGB-D, Jetson Nano y técnicas de inteligencia artificial.. [Proyecto Integrador]. ESPOL.FIEC .
Descripción :	Se ha demostrado que muchos errores humanos en la industria se deben al cansancio y la fatiga en la ejecución de tareas repetitivas. No obstante, muchas de estas tareas no pueden ser reemplazadas por métodos de automatización simples, ya que requieren de un componente inteligente capaz de procesar la información captada. Este es el caso de la clasificación de piezas dispuestas aleatoriamente, que necesita ser identificadas y clasificadas correctamente. Para abordar este desafío, se implementó un sistema compuesto por un brazo robótico Niryo One, una cámara RGB D y una Jetson Nano, junto con algoritmos de Deep Learning, para llevar a cabo la identificación de los parámetros de agarre, ejecución del agarre, clasificación de piezas y reubicación. Todo esto fue organizado utilizando el framework de ROS para una mejor gestión de los procesos. El sistema alcanzó una precisión promedio del 94% en el agarre de las piezas y del 91.5% en su clasificación. Estos resultados establecen una base sólida para futuras implementaciones de sistemas de clasificación con brazos robóticos y visión artificial en aplicaciones industriales. Palabras Clave: clasificación de piezas, robótica, visión artificial, Deep learning, ROS.
metadata.dc.description.abstractenglish:	It has been shown that many human errors in industries are caused by tiredness and fatigue due to repetitive tasks. However, many of these tasks cannot be replaced by simple automation methods, as they require an intelligent component capable of processing the acquired information. That is the case for the classification of randomly ordered pieces, which need to be accurately identified and classified. To address this challenge, a system was implemented using a Niryo One robotic arm, an RGB-D camera, and a Jetson Nano, along with Deep Leaning-based algorithms to perform grasp parameter identification, grasp execution, piece classification and relocation. All of these processes were organized using the ROS framework for better process management. The system achieved an average precision of 94% in grasping the pieces and 91.5% in classification them. These results establish a solid foundation for future implementations of classification systems using robotic arms and computer vision in industrial applications. Keywords: piece classification, robotic arm, computer vision, deep learning, ROS
URI :	http://www.dspace.espol.edu.ec/handle/123456789/62228
metadata.dc.identifier.codigoproyectointegrador:	INGE-2595
Aparece en las colecciones:	Tesis de Electrónica y Automatización

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.