You are on page 1of 7

DISEO DE UN SISTEMA DE CONTROL DE CALIDAD

PARA EL RECONOCIMIENTO DE NIVEL DE LLENADO


Y ETIQUETADO EN BOTELLAS DE VINO USANDO
VISIN COMPUTACIONAL


Alberto Alvarado Rivera, aalvarado@utp.edu.pe


UNIVERSIDAD TECNOLOGICA DEL PERU LIMA PERU
Grupo de Microelectronica
Centro de Investigacion y Desarrollo en Ingenieria
Facultad de Electrnica y Mecatrnica Escuela de Ingeniera Electrnica
Esq. 28 de Julio y Pethit Thouars
3159600 Anexo : 2205-1408

RESUMEN
Actualmente en nuestro pas existe un gran nmero de pequeas empresas dedicadas al
rubro de la produccin e exportacin del vino peruano, estas empresas poseen su
sistema de control de calidad basada en la inspeccin visual de sus trabajadores
realizando un trabajo constante durante su jornada laboral y debido al cansancio normal
deja pasar ciertos tipos de fallas. Por tal motivo el presente trabajo de investigacin est
basado en tcnicas en procesamiento de imgenes el cual brinda una buena alternativa
para exportar un producto con un control de calidad correcto para el usuario.
Cabe resaltar que el sistema planteado aborda el reconocimiento de botellas patrn, una
correcta posicin de etiqueta as como el nivel de llenado en dichas botellas. De esta
manera la captura de imgenes es realizada por una cmara web comercial y la
implementacin de los algoritmos es mediante una PC utilizando las capacidades del
software MATLAB para su desarrollo.

PALABRAS CLAVES: Visin Artificial, Deteccin de contornos. Matlab





ABSTRACT
Currently in our country there are a large number of small companies dedicated to the
heading of production and export of Peruvian wine, these companies have their quality
control system based on visual inspection of workers doing a steady job during working
hours and because the normal tiredness passes certain types of failures. Therefore this
research is based on image processing techniques which provides a good alternative to
export a product with a proper quality control for the user.
It should be noted that the system approaches the raised pattern recognition bottles, a
correct label position and the filling level in such cylinders. Thus, the imaging is
performed by a commercial webcam and implementation of the algorithms is through a
PC using MATLAB software capabilities for its development.

KEYWORDS: Vision, Detection of contours. Matlab































1.- INTRODUCCION
El propsito del presente trabajo es poder
realizar un sistema de control de calidad
para el correcto llenado del nivel de botellas
de vino as como la correcta posicin de la
etiqueta usando visin computacional
mediante tcnicas de procesamiento de
imgenes digitales, la importancia del
presente trabajo es poder mejorar los
sistemas de control de calidad de las
pequeas y microempresas dedicadas a la
produccin y exportacin del vino peruano
debido a que actualmente basan este
sistema en la percepcin visual de sus
trabajadores.

II.-DESARROLLO DE
CONTENIDOS
Visin Artificial
Se reconoce que uno de los sentidos
importantes en los seres humanos es la
visin. sta es empleada para obtener la
informacin visual del entorno fsico. Casi
todas las disciplinas cientficas emplean
utillajes grficos para transmitir
conocimiento. Por ejemplo, en Electrnica
se emplean esquemas de circuitos, a modo
grfico, para describirlos. Se podra hacerlo
mediante texto, pero para la especie
humana resulta mucho ms eficiente
procesar imgenes que procesar texto. La
visin humana es el sentido ms
desarrollado y el que menos se conoce
debido a su gran complejidad. Es una
actividad inconsciente y difcil de saber
cmo se produce. De hecho, hoy en da, se
carece de una teora que explique cmo los
humanos perciben el exterior a travs de la
vista. La Visin Artificial o tambin
llamada Visin por Computador, pretende
capturar la informacin visual del entorno
fsico para extraer caractersticas relevantes
utilizando procedimientos automticos.

Imagen Digital
Una imagen digital es representada a travs
de una matriz o arreglo, donde cada
elemento corresponde a un pixel al cual se
le ha asignado o codificado con un nmero
fijo de bits [1]. Ver figura2.1.Por lo tanto,
el procesamiento digital de imgenes se
entiende como el conjunto de tcnicas
matemticas (algoritmos) utilizados para
manipular, procesar y tratar imgenes
digitales. Tal es el caso que se aplica a los
pixel que estn contenidos en la imagen.

















Figura 2.1

Deteccin de contornos
Es un paso intermedio en el reconocimiento
de patrones en imgenes digitales, en una
imagen digital los contornos corresponden a
los lmites o silueta de los objetos de la
imagen, para hallar contornos se buscan los
lugares aquellos donde la intensidad del
pixel cambia rpidamente. Ver
figura2.2.Asimismo las operaciones lgicas
entre imgenes se definen punto a punto
sobre los elementos de cada matriz. Las
operaciones fundamentales que permiten
construcciones ms complejas por
composicin incluyen los operadores
lgicos NOT, OR, AND, XOR[3].Ver
figura2.3








Figura 2.2




Figura 2.3
Implementacin y desarrollo
Para la implementacin del presente trabajo
de investigacin se ha optado por utilizar lo
siguiente:
- Una cmara Web.
- Una PC convencional con procesador
de 2.4 GHz, RAM de 2GB y HD de
160 GB.
- Software MATLAB versin 2009
- Base de muestras adquiridas por la
cmara web que almacenan las tres
botellas patrn que conforman
nuestro universo.

Asimismo, para un mejor entendimiento
y desarrollo del proyecto, se ha realizado su
divisin en cuatro principales etapas:

Adquisicin de Imgenes patrn
mediante la cmara Web
Para la adquisicin de las imgenes que
contienen las muestras patrn se fabric un
recinto cerrado Ver figura3.1, que permita
aislar la luz externa y de esta forma realizar
la captura de imgenes patrn [4].Esto se
realiz con una cmara web convencional
Logitech y se tuvieron tres muestras
llamadas:
- botella patron1
- botella patron2
- botella patron3











Figura 3.1

a. Procesamiento de imgenes patrn
El procesamiento de las tres muestras
patrn est basado en 4 partes tal como lo
seala el diagrama de bloques de la figura
3.2








Figura 3.2

b. Reconocimiento de patrones y
descarte de Imgenes
En esta parte se analiza la captura de
imgenes de muestras diferentes a las de
patrn y se procede a realizar la
comparacin con las mismas descartando
las que son diferentes [5]. Asimismo la
posicin correcta de etiquetas patrn se
analizan con las etiquetas mal posicionadas
mediante una operacin morfolgica AND
dndole un porcentaje de error de +/-0.1%.

Simulacin
A continuacin, se procede a describir
paso a paso el procedimiento utilizado para
reconocer los patrones de las imgenes
capturadas.Partiendo del hecho que se
tienen las imgenes patrn digitalizadas las
cuales son obtenidas mediante la cmara
web, se procede a acondicionar dichas
imgenes, es decir, realizar el recorte de las
mismas con la finalidad de obtener solo la
parte sustancial que encierra a cada una de
las botellas patrn. Asimismo se procede a
realizar una transformacin de tipo de
imagen a escala de grises a cada una de las
botellas patrn para poder empezar el Pre-
procesamiento, ver figura 4.1.












Figura 4.1
Se procede a realizar la deteccin de
contornos usando operadores lgicos de
PREWITT por toda la imagen, la cual
consiste en desplazar matrices tanto en
forma horizontal como vertical a travs de
las imgenes patrn, dichos resultados
generan un numero para cada fila y
columna, luego se suma en valor absoluto y
se compara con un umbral elegido
determinando que si es mayor al umbral es
contorno de lo contrario no lo es, para
poder remplazar el centro por el valor
equivalente al color blanco. Ver figura 4.2









Figura 4.2

Obtenido el resultado se requiere la
necesidad de utilizar una estructura
geomtrica que es la dilatacin en los
contornos, para obtener una mejor
visualizacin de la silueta de las imgenes
patrn. Seguidamente se usa un algoritmo
de barrido en la imagen binaria que
almacena la deteccin de contornos, el cual
consiste en analizar de derecha a izquierda
y viceversa los pixeles de las imgenes para
encontrar un pixel 1 y de esta forma
completar toda la fila con pixel del mismo
valor, Ver figuras 4.3 y 4.4. Una vez
obtenida ambos resultados se procede a
utilizar el operador morfolgico AND para
lograr obtener la imagen completa de la
botella patrn analizada con su cantidad de
pixeles internos. Ver figura 4.5









Figura 4.3 Figura 4.4












Figura 4.5

Este mismo algoritmo se utiliz para la
posicin correcta en las botellas patrn
estableciendo la cantidad de pixel por cada
etiqueta y dando un margen del +/-0.1%
para indicar su correcta posicin. Ver figura
4.6










Figura 4.6

Estas muestras de botellas patrn
servirn de elemento comparador con otras
imgenes de botellas capturadas para que a
travs del anlisis de ambas mediante el
error cuadrtico medio poder obtener el
reconocimiento de la botella correcta. Ver
figuras 4.7 y 4.8














Figura 4.7

















Figura 4.8

III .CONCLUSIONES
- El sistema de control de calidad
para botellas de vino planteado en este
trabajo de investigacin, no responde a
todas las muestras en el mercado para
vinos, pues su procesamiento ha sido
realizado con un grupo conformado por
slo tres tipos de botellas. Es decir un
universo pequeo. Por tal razn, mientras
mayor sea el nmero de muestras patrn
mayor ser el rango de reconocimiento del
sistema.
- Se est completando el algoritmo
para obtener el nivel de lquido correcto en
las muestras patrn y as poder tener un
control de calidad ms completo.
- La calidad del sistema en mencin
depender de la captura de la imagen inicial
para su mejor procesamiento a menor
tiempo,
- Para mejorar este sistema se puede
realizar un estudio de un hardware de
sistema embebido como una FPGA que
permita realizar dicho procesamiento sin
necesidad de utilizar una PC

REFERENCIAS
[1] Tratamiento Digital de Imgenes,
Rafael C. Gonzlez, Richard E.
Woods. Addison-Weslley
Iberoamericana S.A, U.S.A, 1996.
[2] Image Processing Techniques for
machine vision, Alberto Martin and
Sabri Tosunoglu, Florida International
University, Department of Mechanical
Engineering
[3] Application of automated image
analysis to the identification and
extraction of recyclable plastic
bottles. Edgar SCAVINO, Dzuraidah
Abdul WAHAB, Aini HUSSAIN,
Hassan BASRI, Mohd Marzuki
MUSTAFA.
[4] Selecting the Most Favourable Edge
Detection Technique for Liquid
Level Inspection in Bottles. Kunal J
Pithadiya, Jayesh D Chauhan, Chintan
K Modi, EC Departament G H Patel,
College of Engg.and Technology, V V
Nagar
[5] A Computer Vision System for
Visual Grape Grading in Wine
Cellars. Esteban Vazquez-
Fernandez,Angel Dacal-Nieto,
Fernando Martin, Laboratorio Oficial
de Metroloxa de Galicia
(LOMG),Parque Tecnologico de
Galicia,San Cibrao das Vias, 32901
Ourense , Spain.



















Alberto Alvarado Rivera, naci en Jesus Maria Lima,Peru el 23 de
Julio del 1979 . Recibi su titulo de Ingeniero Electronico en la
Universidad Tecnologica del Peru en el ao 2003, participo en la
asesoria de proyectos en la escuela de Telematica de la Policia Nacional
del Peru durante el 2004 ,es docente del Programa Profesional de
Electronica y Mecatronica del Grupo IDAT desde el ao 2001 y
docente de la Facultad de Electronica y Mecatronica de la Universidad
Tecnologica del Peru desde el ao 2005, es docente investigador y
actualmente es asistente y encargado de la Jefatura del Centro de
Investigacion y Desarrollo en Ingenieria de la misma Facultad, esta
dedicado a la asesoria de Proyectos Electronicos, Sistemas
computacionales y de Procesamiento de Seales e Imagenes. Forma
parte como uno de los profesores pertenecientes al grupo de
Microelectronica en el mismo centro de Investigacion.