UNIVERSIDAD VERACRUZANA

FACULTAD DE INSTRUMENTACIÒN ELECTRONICA Y CIENCIAS ATMOSFERICAS

INTELIGENCIA ARTIFICIAL

DETECTOR DE FORMAS MEDIANTE RNA

Leticia Cuellar Hernández

Reinaldo Hernández Carmona Diana Hernández Xochihua Mirna López Fuentes Liliana Iveth Morales Cuevas

Xalapa, Enríquez a 7 de diciembre de 2012

. Introducción El detector de formas es una herramienta que nos permite identificar la forma de una figura geométrica según el entrenamiento dado a la RNA. no importara por que la red ha sido entrenada. empleando el método de hardlim (0.0]. Un circulo cuando las salidas sean [0. Desarrollo A. III. Una figura desconocida [1.1) para el entrenamiento. Entrenamiento de la red Se utilizo una red perceptron simple con n número de entradas y dos salidas. Para el caso de las entradas se tomaron imágenes de las figuras a detectar en este caso triángulos. círculos y diferentes a estas. II. las cuales son triángulos y círculos. Dicho detector reconoce los cambios de posición y tamaño comprobando los contornos mediante la RNA y dando una respuesta exacta de la figura ingresada en la interfaz.1]. Este tipo de entrenamiento nos ofrece la ventaja del reconocimiento de la figura sin que le afecte la posición o tamaño de tal modo que si esta no se encuentra en una posición que no favorezca mucho la apreciación de la forma principal.I. Para el caso de las salidas se establecieron en base a la siguientes reglas:    Un triangulo cuando las salidas sean [1. Objetivo Detectar dos figuras geométricas en cualquier posición y tamaño.1].0] ó [0. determinando como desconocido aquellas formas que sean diferentes a las ya establecidas.

C. La obtención de la imagen así como su representación binaria. Botones de retorno y salida de interfaz. Botón para cargar alguna imagen guardada en nuestros archivos para probar la red neuronal (dimensión de 100x100 pixeles y debe ser binaria). La interfaz desarrollada ha quedado de la siguiente manera: Descripción de las operaciones realizadas con la interfaz:       Ajuste de cámara.B. utilizando la herramienta GUI. al tomar la foto se obtiene una imagen con . Diseño de interfaz Para poder tener una buena interacción entre usuario y la RNA se decidió crear una interfaz grafica en Matlab R2011b. Acondicionamiento del medio Para la identificación de la forma presentada a la RNA se deben tomar en cuenta los siguientes factores :  Cantidad de iluminación: Como se menciono anteriormente el entrenamiento se basa en el contorno de la forma y cuando no se tiene una buena iluminación. La identificación de dicha forma. Botón para descargar el reporte del proyecto.

Base para cámara.lo que causa confusiones en la red y genera una respuesta erronea. VI. se logro identificar satisfactoriamente círculos. Software y Material utilizado. con el fin de poder visualizar la figura dentro del area de vision que nos ofrece la camara web. 2.un contorno que no esta bien definido. 6. Base para figura. 1. . 3. Figuras geométricas. 5. tales como el reconocimiento de objetos en procesos de control de calidad. Matlab R2011b. También se demostró que dando un mejor procesamiento a la imagen capturada se obtendrían resultados más certeros. en juegos didácticos para niños pequeños. Conclusiones Tomando en cuenta las pruebas realizadas se demostró que utilizando una RNA Percerptron simple. 4.de lo contrario se podrán obtener resultados erroneos. Como se muestra en la siguiente imagen:  Delimitacion del área : Para realizar la captura de las figuras se vio en la necesidad de establecer un área en donde colocar las formas. Aplicaciones El detector de formas puede ser usado para diversas aplicaciones. triángulos y aquellos que no lo son. V. Delimitación de la distancia de captura: Para el entrenamiento y prueba de la red se recomienda hacer las capturas a una misma distancia. Lámpara de luz blanca. Cámara web.  IV.

Sign up to vote on this title
UsefulNot useful