Mh1-Tfm 255208 Ignacio Arespacochaga Lopez

Máster de Ingeniería en Máquinas y Transportes
2019-2020
Trabajo Fin de Máster
“Diseño y desarrollo de una aplicación

MATLAB para el análisis y tratamiento
de imágenes termográficas”
Ignacio Arespacochaga López
Tutor
Cristina Castejón Sisamón
Universidad Carlos III de Madrid, 29 de Septiembre de
2020
[Incluir en el caso del interés en su publicación en el archivo abierto]

Esta obra se encuentra sujeta a la licencia Creative Commons Reconocimiento - No
Comercial - Sin Obra Derivada
Trabajo Fin de Máster Ignacio Arespacochaga López
RESUMEN
La termografía es una tecnología que, con la irrupción del mantenimiento predicti-

vo y la bajada de precios de los dispositivos de obtención de imágenes, está en auge.
Cada vez son más numerosos sus usos dentro de la industria, tanto con monitoriza-
ción continua como con inspecciones in situ. Pero para sacar conclusiones y obtener
patrones que puedan predecir fallos no basta inspecciones visuales de las imágenes
captadas, es necesario tener datos cuantitativos que se puedan analizar y con los
que poder operar.
Para ello se ha diseñado y desarrollado una aplicación con el software MATLAB
App Designer. Se trata de una GUI (Graphical User Interface) intuitiva y simple, con
un diseño ergonómico que guía al usuario a través de su uso, cuidada estéticamente
para hacerla más atractiva y visual. Se compone de dos módulos: el primero dedicado
al tratamiento de imágenes y el segundo para el tratamiento de vídeo. En ambos
módulos, después de haber pasado un tratamiento previo, se pueden obtener los
datos termográficos de cuatro maneras diferentes:
- Perfil de temperaturas: el usuario dibuja un línea recta sobre la que se va a

obtener el perfil de temperaturas.
- Temperatura en un área: el usuario establece un área rectangular donde se va

a calcular la temperatura media de dicho área.
- Temperatura en puntos: el usuario establece los puntos donde desea conocer

la temperatura.
- Alarma: se muestra en un determinado color las zonas de la imagen o vídeo que

sean iguales, mayores o menores a una temperatura que haya sido establecida
por el usuario, a modo de alarma.
Para poder realizar el diseño y programación de la interfaz gráfica, se ha realizado

una revisión tanto de los aspectos teóricos de la termografía como del funcionamiento
de las cámaras térmicas, así como del procesamiento digital de imágenes y de los
requisitos que debe tener una buena GUI.
Palabras clave: termografía, cámara térmica, mantenimiento, mantenimiento 4.0,

tratamiento imágenes, GUI, MATLAB App Designer.
iii
DEDICATORIA
A mi familia y a Paula. A todo el grupo de investigación MAQLAB, especialmente

Cristina Castejón Sisamón por darme la oportunidad de pertenecer al grupo y tu-
torizarme. A E&TMC por dejarme vivir la pasión del motorsport desde dentro. Y a
Abraham, Marta y Raúl, por todas las horas que hemos pasado juntos este año, por
sus consejos y compañía.
v
ÍNDICE GENERAL
1. INTRODUCCIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1. Motivación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2. ESTADO DEL ARTE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.1. Fundamentos de la termografía . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.1.1. Espectro electromagnético . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.1.2. Principios de la termografía infrarroja . . . . . . . . . . . . . . . . . . . . 6
2.2. La cámara termográfica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2.1. Modos de imagen y paletas de colores . . . . . . . . . . . . . . . . . . . 12
2.3. Campo de aplicación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.4. Ventajas de la termografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.5. Procesamiento digital de imágenes . . . . . . . . . . . . . . . . . . . . . . . 16
2.6. Mantenimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.6.1. Mantenimiento predictivo. Mantenimiento 4.0. . . . . . . . . . . . . . . . 20
3. HERRAMIENTAS DE DESARROLLO DE APLICACIONES . . . . . . . . . . . 22
3.1. Interfaz gráfica de usuario (GUI) . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.2. Herramienta de desarrollo MATLAB . . . . . . . . . . . . . . . . . . . . . . . 24
3.3. MATLAB App Designer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4. DESARROLLO DEL PROYECTO . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.1. Descripción general. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.2. Diseño de la interfaz gráfica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.3. Condiciones de toma de imágenes y vídeos . . . . . . . . . . . . . . . . . . 33
4.4. Funcionamiento de la aplicación . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.4.1. Primera fase: tratamiento previo . . . . . . . . . . . . . . . . . . . . . . . 36
4.4.2. Segunda fase: interacción con el usuario . . . . . . . . . . . . . . . . . . 40
5. EJEMPLO DE USO DE LA APLICACIÓN. . . . . . . . . . . . . . . . . . . . . . 46
5.1. Módulo de análisis de imágenes . . . . . . . . . . . . . . . . . . . . . . . . . 49
vii
5.2. Módulo de análisis de vídeo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

5.2.1. Perfil de temperaturas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
5.2.2. Temperatura media en área . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.2.3. Temperatura en puntos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
5.2.4. Alarma de temperatura. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
6. PLANIFICACIÓN Y PRESUPUESTO . . . . . . . . . . . . . . . . . . . . . . . . 57
6.1. Planificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
6.2. Presupuesto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
6.2.1. Costes de personal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
6.2.2. Costes de amortización . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
6.2.3. Costes totales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
7. CONCLUSIONES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
7.1. Trabajos futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
BIBLIOGRAFÍA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
viii
ÍNDICE DE FIGURAS
1.1 Ejemplo de imágenes térmicas tomadas en un Formula 1 [1]. . . . . . 2
2.1 Espectro electromagnético [2]. . . . . . . . . . . . . . . . . . . . . . . 4

2.2 Transmisión atmosférica de la cierta parte del espectro infrarrojo [5]. . 5
2.3 Absorción (α), reflexión (ρ) y trasmisión (τ) de la radiación en un cuer-
po. [Elaboración propia] . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.4 Curvas de Plank de un cuerpo negro a diferentes temperaturas [4]. . . 8
2.5 Componentes básicos de un sistema de adquisición de imágenes tér-
micas [9]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.6 Principios de la radiación infrarroja recibida por la cámara. [Elaboración
propia] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.7 Los cuatro modos de imagen disponibles. Ordenados de izquierda a
derecha y de arriba a abajo: MSX, térmico, imagen dentro de imagen
y digital [3]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.8 Paletas de colores para cámaras termográficas [15]. . . . . . . . . . . 13
2.9 Ejemplos de imágenes termográficas en animales, componentes elec-
trónicos, ventanas de un edificio, motores eléctricos y componentes
mecánicos [17] [18] [19] [20] [21]. . . . . . . . . . . . . . . . . . . . . 15
2.10 Diferentes tamaños de muestreo [24]. . . . . . . . . . . . . . . . . . . 16
2.11 Diferentes niveles de gris [24]. . . . . . . . . . . . . . . . . . . . . . . 17
2.12 Esquema explicativo de una imagen RGB [25]. . . . . . . . . . . . . . 18
3.1 Diferencia entre GUI y CLI de Windows [Elaboración propia] . . . . . . 22

3.2 Pasos a seguir en la creación de una interfaz de usuario [Elaboración
propia] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.3 Entorno de trabajo de la herramienta GUIDE [36]. . . . . . . . . . . . 25
3.4 Elementos disponibles para la creación de la interfaz de usuario. [Ela-
boración propia] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.5 Entorno “Design View” (imagen superior) y entorno “Code View” (ima-
gen inferior) en App Designer [Elaboración propia] . . . . . . . . . . . 27
4.1 Diagrama de flujo del programa completo [Elaboración propia] . . . . . 28
x
4.2 Pantalla del módulo de análisis termográfico de imágenes. [Elabora-

ción propia] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.3 Pantalla del módulo de análisis termográfico de vídeo. [Elaboración
propia] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.4 Paletas de colores utilizados en la aplicación [Elaboración propia] . . . 32
4.5 Ejemplo de salida de resultados en el módulo de vídeo. Representa-
ción de la temperatura media del área respecto al tiempo. [Elaboración
propia] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.6 Comparación imagen con paleta de color “acero” con misma imagen
en escala de grises. [Elaboración propia] . . . . . . . . . . . . . . . . 34
4.7 Comparación imagen con paleta de color “arcoiris” con misma imagen
en escala de grises. [Elaboración propia] . . . . . . . . . . . . . . . . 34
4.8 Parámetros de medición y marcadores que es recomendable evitar.
[Elaboración propia] . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.9 Ventana de inicio. [Elaboración propia] . . . . . . . . . . . . . . . . . . 36
4.10 Diagrama de flujo de la primera fase para el tratamiento de vídeo [Ela-
boración propia] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.11 Ventana emergente para la comprobación de la posición de los límites
de escala [Elaboración propia] . . . . . . . . . . . . . . . . . . . . . . 39
4.12 Diagrama de flujo de la acción perfil de temperaturas para vídeo [Ela-
boración propia] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.13 Diagrama de flujo de la acción temperatura área para vídeo [Elabora-
ción propia] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.14 Diagrama de flujo de la acción temperatura puntos para imagen [Ela-
boración propia] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.15 Diagrama de flujo de la acción temperatura puntos para vídeo [Elabo-
ración propia] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.16 Diagrama de flujo de la acción alarma para imagen [Elaboración propia] 44
5.1 Pasos de instalación (1 y 2). [Elaboración propia] . . . . . . . . . . . . 46

5.2 Pasos de instalación (3). [Elaboración propia] . . . . . . . . . . . . . . 46
5.3 Banco de ensayos para rodamientos y ejes. [Elaboración propia] . . . 47
5.4 Pantalla del módulo de análisis termográfico de imágenes con acción
perfil de temperaturas. [Elaboración propia] . . . . . . . . . . . . . . . 49
xi

temperatura en área. [Elaboración propia] . . . . . . . . . . . . . . . . 50
temperatura en puntos. [Elaboración propia] . . . . . . . . . . . . . . . 51
alarma. [Elaboración propia] . . . . . . . . . . . . . . . . . . . . . . . 52
5.8 Perfil de temperaturas para el fotograma 4. [Elaboración propia] . . . . 53
5.9 Perfil de temperaturas para el fotograma 422. [Elaboración propia] . . 53
5.10 Perfil de temperaturas para el fotograma 1102. [Elaboración propia] . . 53
5.11 Temperatura media área para el fotograma 24. [Elaboración propia] . . 54
5.12 Temperatura media en área para el fotograma 840. [Elaboración propia] 54
5.13 Temperatura media en área para el fotograma 1102. [Elaboración propia] 54
5.14 Temperatura en cinco puntos para el fotograma 26. [Elaboración propia] 55
5.15 Temperatura en cinco puntos para el fotograma 440. [Elaboración propia] 55
5.16 Temperatura en cinco puntos para el fotograma 1102. [Elaboración pro-
pia] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
5.17 Alarma de temperatura superior a 30 o C para los fotogramas 3 y 234.
[Elaboración propia] . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5.18 Alarma de temperatura superior a 30 o C para los fotogramas 586 y
1102. [Elaboración propia] . . . . . . . . . . . . . . . . . . . . . . . . 56
6.1 Diagrama de Grantt. [Elaboración propia] . . . . . . . . . . . . . . . . 57
7.1 Diseño de carcasa para la cámara termográfica FLIR One. [Elabora-

ción propia] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
xii
ÍNDICE DE TABLAS
2.1 Subdivisiones del espectro infrarrojo. . . . . . . . . . . . . . . . . . . 5

2.2 Subdivisiones del infrarrojo para cámaras térmicas. . . . . . . . . . . . 6
6.1 Costes personal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58

6.2 Costes de amortización . . . . . . . . . . . . . . . . . . . . . . . . . . 58
6.3 Costes totales del proyecto . . . . . . . . . . . . . . . . . . . . . . . . 59
xiv
1. INTRODUCCIÓN
1.1. Motivación
Para entender la motivación de los objetivos del trabajo es necesario explicar la

situación personal, tanto en el ámbito académico como laboral, durante el año de
realización del trabajo. En el año 2019, año de inicio del máster, se me concedió una
beca de investigación y docencia en el grupo de investigación MAQLAB (LABoratorio
de MÁQuinas), perteneciente al departamento de Ingeniería Mecánica de la Universi-
dad Carlos III de Madrid. A su vez fui contratado como race engineer en el equipo de
karting E&TMC (Enviroment & Technology Motorsport Centre). En los dos trabajos,
por casualidad, se me encargó investigar con cámaras termográficas:
- Investigación con termografía orientada al mantenimiento y diagnóstico de má-

quinas.
- Implementación de un sistema termográfico en un kart de competición para la

monitorización de temperatura de los neumáticos.
Decidí buscar un punto en común que sirviese para ambos trabajos. De esta
manera surgió el objetivo principal del presente proyecto: desarrollo de una interfaz
gráfica para la extracción y tratamiento de datos termográficos de imágenes y vídeos
térmicos, que sirva para tereas de mantenimiento y diagnostico de máquinas y para
analizar la temperatura de los neumáticos en el kart de competición.
La termografía es una tecnología que cada vez está más en auge y cuyo uso
se está extendiendo. Este crecimiento no se debe a que se haya inventado reciente-
mente (las primeras aplicaciones de la termografía se remontan a principios de 1900)
sino a que la comercialización y la bajada de costes de los dispositivos han abierto el
rango de aplicaciones y las posibilidades de investigación. Algunos de los usos que
se le dan hoy en día, aunque se verán con más detalle posteriormente, van desde la
medicina hasta el ámbito militar, pasando por la industria. En este último sector es
donde el crecimiento es cada vez mayor, ya que es una tecnología apropiada para su
uso en tareas de mantenimiento predictivo de fácil aplicación en el nuevo paradigma
de industria 4.0.
El grupo de investigación MAQLAB disponía de una cámara térmica. Dicho gru-
po tiene abiertas numerosas líneas de investigación en temas de mantenimiento y
mantenimiento predictivo, poniendo énfasis en el análisis de vibraciones. Para am-
pliar el campo de trabajo se decidió incluir la termografia dentro de los proyectos de
investigación. Utilizar en conjunto la termografía junto con el análisis de vibraciones
1
puede ser un gran paso en el mantenimiento predictivo, pudiendo localizar los fallos
con mucha anterioridad y disminuir costes y tiempos de parada.
Otro de los campos donde su uso está extendido es la automoción de compe-
tición. La temperatura de los neumáticos está directamente relacionada con el ren-
dimiento de los mismos y un óptimo desempeño del coche. Los equipos de la alta
competición, como la Formula 1, montan en sus coches cámaras térmicas en los en-
trenamientos y jornadas de pruebas para monitorizar la temperatura de las ruedas.
En la Figura 1.1 se muestra un ejemplo de las imágenes tomadas por las cámaras
térmicas en un F1. El principal problema es que, debido a su alto coste, solo las
montan equipos de altas categorías.
Fig. 1.1. Ejemplo de imágenes térmicas tomadas en un Formula 1 [1].
En el mundo del karting, los equipos con más presupuesto equipan sensores de
temperatura en los neumáticos. Debido a que son sensores que miden en un solo
punto, no dan la suficiente información para conocer el perfil de temperaturas en todo
el ancho del neumático. Con el fin de conocer y monitorizar las temperaturas, se de-
cidió equipar una cámara térmica en un kart. Se trata de un proyecto muy novedoso,
algo que todavía no se ha hecho y que puede suponer un gran avance y revolución
para extraer el máximo rendimiento de un vehículo.
Para poder sacar conclusiones cuantitativas, con las que determinar patrones pa-
ra prevenir fallos, es necesario tener los datos de tal manera que puedan ser anali-
zados y se pueda operar con ellos, ya que no basta con inspecciones visuales para
sacar conclusiones. Por esto se eligió como tema principal del trabajo el desarrollo de
GUI ((Graphical User Interface)) con la que extraer los datos de temperatura de las
imágenes. Se escogió MATLAB como software de desarrollo por su módulo MATLAB
App Designer, ya que es sencillo e intuitivo de aprender; y por la facilidad para reali-
zar operaciones con gran cantidad de datos. En el desarrollo de la aplicación se han
implementado funciones orientadas al mantenimiento predictivo (como puede ser la
alarma de temperaturas) y al análisis de la temperatura de los neumáticos (perfil de
temperaturas).
2
1.2. Objetivos
El principal objetivo de este proyecto es el diseño y desarrollo de una GUI para

la extracción y procesado de los datos de temperaturas a partir imágenes y vídeos
termográficos, orientada al mantenimiento y diagnóstico de máquinas, que sea tam-
bién útil para el análisis de las imágenes tomadas a los neumáticos en un kart de
competición. Más detalladamente, los objetivos son:
- Entender la importancia del mantenimiento y la posición de la termografía den-

tro del mantenimiento predictivo y mantenimiento 4.0.
- Conocer las bases teóricas de la termografía, las cámaras térmicas, el proce-

samiento de imágenes digitales y las interfaces gráficas de usuario.
- Aprendizaje del funcionamiento de MATLAB App Designer para el desarrollo de

la aplicación.
- Programación y desarrollo de la aplicación para el tratamiento tanto de imáge-

nes como vídeos termográficos.
- Realización de ejemplos práctico para explicar y mostrar el funcionamiento de

la aplicación.
3
2. ESTADO DEL ARTE
2.1. Fundamentos de la termografía
Antes de diseñar y desarrollar el programa para el tratamiento de las imágenes,

es necesario conocer los fundamentos teóricos que hay detrás de esta técnica y el
funcionamiento del dispositivo que se utiliza para la captación de las mismas, en este
caso la cámara termográfica.
En este apartado se explicarán algunos conceptos teóricos y parámetros que
afectan a la captación de las imágenes.
2.1.1. Espectro electromagnético
El espectro electromagnético (Figura 2.1) es el conjunto de las diferentes radia-

ciones electromagnéticas que existen en el Universo. Se clasifican en siete tipos que,
ordenados de menor a mayor longitud de onda, son: Rayos Gamma, Rayos X, ultra-
violeta, luz visible, infrarrojos, microondas y ondas de radio. El ser humano solo puede
ver el espectro de luz visible, siendo el resto de radiaciones invisibles a nuestros ojos.
Fig. 2.1. Espectro electromagnético [2].
Lo que diferencia a unos tipos de radiación de otros es su longitud de onda (λ) y la

frecuencia ( f ). El primer parámetro se define como la distancia entre dos pulsos con
la misma amplitud; mientras que la frecuencia que es el número de pulsos por se-
gundo. La frecuencia es inversamente proporcional a λ, por lo que, según disminuye
λ, aumenta la frecuencia y además, también lo hace la energía.
La termografía está basada en la radiación infrarroja. El espectro infrarrojo fue
descubierto por Sir Frederick William Herschel en 1800 de manera accidental mien-
tras este investigaba sobre un nuevo material óptico [3]. Los rayos de dicho espectro
4
van desde una longitud de onda de 0.7 y hasta 1000 µm. La parte de longitud de
onda más corta colinda con la parte límite de espectro visible, concretamente con el
rojo profundo (de ahí viene el nombre infrarrojos). La parte de longitud de onda más
larga, hace frontera con las microondas.
A su vez, el espectro infrarrojo está dividido en varias zonas. Existen varias formas
de realizar esta subdivisión. Una de ellas es la que se encuentra en la Tabla 2.1 [4]:
Nombre Abreviatura Wavelength

Near-infrared NIR 0.7-1.4 µm
Short-wavelength infrared SWIR 1.4–3 µm
Mid-wavelength infrared MWIR 3–8 µm
Long-wavelength infrared LWIR 8–15 µm
Far-infrared FIR 15–1000 µm
TABLA 2.1. SUBDIVISIONES DEL ESPECTRO INFRARROJO.
Pero debido a que la atmósfera absorbe ciertas longitudes de onda (las moléculas
de H2 O y de CO2 son los principales responsables), las cámaras térmicas no trabajan
con todo el espectro infrarrojo. Como se ve en la Figura 2.2 entre 5-8 µm y por encima
de 14 µm existe un hueco. Esto se traduce en que toda la radiación infrarroja con esas
longitudes de onda es absorbida por la atmósfera.
Fig. 2.2. Transmisión atmosférica de la cierta parte del espectro infrarrojo [5].
Por lo tanto, el rango común de trabajo de las cámaras térmicas es (Tabla 2.2) [4]:
5
Nombre Abreviatura Wavelength

Short-wave SWIR 0.7–1.4 µm
Mid-wave MWIR 3–5 µm
Long-wave LWIR 8–14 µm
TABLA 2.2. SUBDIVISIONES DEL INFRARROJO PARA CÁMARAS

TÉRMICAS.
2.1.2. Principios de la termografía infrarroja
Todos los cuerpos que estén por encima del cero absoluto (0 Kelvin o -273 o C)
emiten radiación infrarroja. La radiación infrarroja es función de la temperatura: cuan-
to más alta sea esta última, más alta será la intensidad de la radiación emitida y
viceversa [6]. Cuando esta radiación alcanza otros objetos puede ser reflejada, ab-
sorbida o transmitida (Figura 2.3). Los parámetros que describen este fenómeno son:
- Absortividad (αλ ). Es la fracción radiación absorbida por la superficie.
- Reflectividad (ρλ ). Es la fracción radiación reflejada por la superficie.
- Transmisividad (τλ ). Es la fracción radiación transmitida por la superficie.
Radiación incidente
Radiación
absorbida (ߙ)
Radiación
transmitida (߬)
Radiación
reflejada (ߩ)
Cuerpo
Fig. 2.3. Absorción (α), reflexión (ρ) y trasmisión (τ) de la radiación en un cuerpo. [Elaboración
propia]
El subíndice λ se debe a que son dependientes de la longitud de onda [3]. La

suma de estos tres parámetros, para cualquier longitud de onda, siempre tiene que
ser igual al uno (debido a la ley de conservación de la energía), como se ve en la
Ecuación 2.1.
αλ + ρλ + τλ = 1 (2.1)
6
En el caso de materiales opacos, no se transmite nada de radiación (τλ = 0) por

lo que la ecuación se simplifica (Ecuación 2.2):
αλ = 1 − ρλ (2.2)
Para materiales muy pulidos como por ejemplo metales, la radiación es comple-
tamente reflejada por el cuerpo, por lo que ρλ = 0.
Los materiales que absorben toda la energía (es decir τλ = 0, ρλ = 0 y αλ = 1)
se denominan cuerpos negros. La ley de radiación de Kirchoff establece que para un
cuerpo arbitrario que se encuentra en equilibrio termodinámico con su entorno, su
absortividad es igual a su emisividad (ε), es decir, absorbe lo mismo que emite [7].
α=ε (2.3)
Por tanto, una definición más completa de cuerpo negro es aquel cuerpo que
absorba y, por lo tanto emita, la totalidad de la radiación que incide sobre él.
La radiación infrarroja de un cuerpo negro fue descrita por Max Plank mediante la
Ecuación 2.4 [3]:
2πhc2
Wλb = )︁ × 10−6 (2.4)
λ e
5
(︁ hc/λkT −1
donde:
- Wλb : radiación infrarroja emitida por un cuerpo negro con una longitud de onda
λ. Se mide en W m−2 .
- h: constante de Plank con un valor de h = 6.6 × 10−34 J s−1 .
- c: velocidad de la luz con un valor de c = 3 × 10−8 m s−1 .
- k: constante de Boltzman con un valor de c = 1.4 × 10−23 J K−1 .
- T : temperatura absoluta del cuerpo negro en Kelvin (K).
- λ: longitud de onda en µm.
Si se representa la radiación infrarroja con respecto a la longitud de onda para un

cuerpo negro a varias temperaturas, utilizando la Ley de Plank, aparece una familia
de curvas representadas en la Figura 2.4.
7
Fig. 2.4. Curvas de Plank de un cuerpo negro a diferentes temperaturas [4].
A partir de la Figura 2.4 se extraen dos conclusiones: la primera es que a medida

que aumenta la temperatura, el valor de radiación máximo se mueve hacia longitudes
de onda más bajas. Cuando un objeto está a muy alta temperatura la radiación pasa
al espectro visible, como por ejemplo el hierro al rojo vivo. La segunda conclusión
es que, a medida que aumenta la temperatura, el nivel de radiación emitido por el
objeto también aumenta. Además, para altas temperaturas, la mayoría de radiación
se emite con media longitud de onda infrarroja y para bajas temperaturas con larga
longitud de onda infrarroja [4] [6].
El valor de radiación máximo (pico) viene definido por la fórmula de Wein (Ecua-
ción 2.5, expresada en µm), que resulta de diferenciar la fórmula de Plank (Ecuación
2.4) con respecto a λ y hallando su máximo [3] [6].
2898
λmax = (2.5)
T
Si se integra la fórmula de Plank (Ecuación 2.4) a lo largo de todas las longi-
tudesde onda (desde λ = 0 hasta λ = ∞), resulta la fórmula de Stefan-Boltzmann
(Ecuación 2.6) con la que se obtiene la emitancia radiante total de un cuerpo negro
(Wb medida en W m−2 ) [3].
Wb = σT 4 (2.6)
siendo σ la constante de Stefan-Boltzmann (σ ≈ 5.670 373 × 10−8 W/(m2 K4 )). La

emisividad se puede definir de manera muy simple como “la capacidad de un cuerpo
de emitir infrarojos” [8] o bien, de manera más extensa, como “la relación entre la
radiación de un objeto comparada con la que emite un cuerpo negro con su misma
8
longitud de onda, ángulo y temperatura” [3]. Esta relación viene expresada en la

Ecuación 2.7.
W
ε= (2.7)
Wb
Existen tres tipos de fuentes de radiación según el valor de su emisividad [3]:
Cuerpo negro: ε = 1.
Cuerpo gris: ε siempre menor que 1.
Radiador selectivo: ε varía con la longitud de onda.
Para calcular la emitancia radiante de un cuerpo gris, se sustituye la Ecuación 2.7

en 2.6 y se obtiene la Ecuación 2.8.
W = ε · σ · T4 (2.8)
De esta expresión se deduce que la emitancia radiante de un cuerpo gris es igual

a la de un cuerpo negro a la misma temperatura pero reducida en proporción a la
emisividad del cuerpo gris.
2.2. La cámara termográfica
La cámara térmica es el dispositivo encargado de captar la radiación infrarroja que

emiten los objetos y convertirla en una imagen digital. La principal diferencia con una
cámara convencional o con el ojo humano es que estos captan la luz visible reflejada
por los objetos y la convierten en una imagen, mientras que las cámaras térmicas
captan el calor (energía infrarroja) que todo cuerpo emite y utilizan estos datos para
crear las imágenes.
El proceso para obtener la imagen digital se describe a continuación. Primero
la lente capta la radiación infrarroja a través del sensor opticoeléctrico y la dirige
hacia el detector de infrarrojos. Este envía los datos hacia el sensor electrónico para
procesar la señal y convertirlos en la imagen, que finalmente se muestra como un
patrón de temperatura en la pantalla. En el caso de de tomar fotografías o vídeos
estos se almacenan en la tarjeta de memoria para posteriormente ser procesados
[9][10]. Todos los componentes se encuentran instalados en un carcasa resistente
para darle robustez y proteger de daños externos. En la Figura 2.5 puede observarse
este proceso de modo esquemático, así como los componentes más elementales
para una mejor compresión.
9
Fig. 2.5. Componentes básicos de un sistema de adquisición de imágenes térmicas [9].
La resolución de la cámara depende del número de píxeles que posea el sensor.

Cuantos más posea mejor resolución tendrá. En una cámara térmica puede variar
desde configuraciones de 80x60 hasta 1280x1025 o más, aunque las más comunes
son de 320x256 y 640x512. Estas resoluciones son mucho más bajas que las de una
cámara convencional ya que el tamaño de un píxel de un sensor de luz visible es de
entre 1-2 µm, mientras que uno térmico es 12-17 µm. La explicación de esto es que
los sensores térmicos tienen que captar energía con una longitud de onda mucho
más larga, por lo que necesitan un mayor tamaño que los de luz visible. Por tanto,
para un mismo tamaño de sensor, la resolución en las cámaras térmicas es mucho
más baja ya que poseen menor número de píxeles [11][12].
La radiación medida por la cámara no es únicamente la radiación emitida por el
objeto que se está midiendo, sino que la radiación reflejada por el objeto proveniente
de las diferentes fuentes del entorno así como la atenuación de la atmósfera, afectan
a este valor. Es por esto por lo que, para obtener una medida fiel a temperatura
real del objeto, la cámara ha de hacer una serie de compensaciones para eliminar
estos efectos. Existen algunos fenómenos, como los rayos de luz solar distribuidos
por la atmósfera o radiación de una fuente intensa que se encuentra fuera del campo
visual, que son difíciles de cuantificar y que son lo suficiente pequeños como para
considerarse despreciables. En el caso de que el usuario de la cámara considere que
afectan en gran medida, debe realizar las modificaciones necesarias en las medidas
para evitar las interferencias [3].
A partir de la Figura 2.6 se va a explicar cómo se hace el cálculo de la temperatura
que mide la cámara. La radiación total que recibe la cámara se compone de la suma
de tres radiaciones: la del objeto (Wob j ), la reflejada por el objeto (Wre f l ) y la emitida
por la atmósfera (Watm ).
10
Cuerpo
ܶ௢௕௝௘௧௢ 4
Atmósfera 4
ɂobj · ߪ · ܶ‫݆ܾ݋‬ Wobj = ɂobj · ɒ௔௧௠ · ߪ · ܶ‫݋ݐ݆ܾ݁݋‬
ɂobj
ସ Cámara
1 െ ɂ୭ୠ୨ · ߪ · ܶ௥௘௙௟
ସ W௥௘௙௟ = 1 െ ɂ୭ୠ୨ · ɒ௔௧௠ · ߪ · ܶ௥௘௙௟
ସ
W௔௧௠ = 1 െ ɒ௔௧௠ · ߪ · ܶ௔௧௠
ɒ௔௧௠
ܶ௔௧௠
ܶ௥௘௙௟௘௝௔ௗ௔
Entorno
Fig. 2.6. Principios de la radiación infrarroja recibida por la cámara. [Elaboración propia]
Estas radiaciones se calculan con la ecuación de Stefan-Boltzmann (Eucación

2.8). Cuando la radiación del objeto y la reflejada pasan por la atmósfera se ven
disminuidas por la absorción de esta, por lo que se multiplica por la transmitancia de
la atmósfera (τatm ). Las ecuaciones para cada radiación son (Ecuaciones 2.9, 2.10 y
2.11) [3][6][13]:
Wob j = εob j · σ · T ob
4
j (2.9)
Wre f l = ρob j · σ · T ob
4
j = (1 − εob j ) · σ · T re f l
4
(2.10)
Watm = εatm · σ · T atm

4
= (1 − τatm ) · σ · T atm
4
(2.11)
Sumando las tres ecuaciones se obtiene la radiación final (Ecuación 2.12):
Wtotal = εob j · σ · T ob
4
j + (1 − εob j ) · σ · T ob j + (1 − τatm ) · σ · T atm
4 4
(2.12)
Despejando la temperatura de la ecuación superior, se obtiene la temperatura real

del objeto (Ecuación 2.13):
√︄
4 Wtotal − (1 − εob j ) · τatm · σ · T re4 f l − (1 − τatm ) · T atm
4
T ob j = (2.13)
εob j · τatm · σ
Para que la cámara pueda calcular la temperatura de manera correcta y com-

pensar los efectos del entorno, algunos de los parámetros utilizados en la fórmula
superior deben ser introducidos por el usuario. Estos parámetros son:
Emisividad del objeto (εob j ). La emisividad de los materiales que se utilizan

para fabricar objetos oscila entre 0.1 y 0.9, aunque la mayoría de los no metales
se acercan a 0.9, mientras que la de la piel humana está entre 0.97 y 0.98. Los
objetos muy pulidos (p.e. espejos o metales) tienen una emisividad entre 0.05 y
11
0.1. Existen maneras de aumentar la emisividad, como por ejemplo recubrien-

do la superficie a medir con cintas aislantes negras (para áreas pequeñas) o
pinturas o revestimientos (para áreas más grandes), que hacen que objetos con
poca emisividad se puedan medir [14].
Muchas cámaras tienen incorporadas valores de emisividad predeterminadas
para determinados materiales. También existen tablas que incorporan dichos
valores. Aunque estos valores predeterminados son muy útiles, lo más reco-
mendable y correcto es medir la emisividad en ese instante, con técnicas como
las que se explican en [3], donde también se encuentran las tablas de emisivi-
dad para los diferentes materiales.
Temperatura aparente reflejada. (T re f l ) Este parámetro se utiliza para com-

pensar la radiación reflejada en el objeto. Ha de medirse en el momento, ya
sea con el método directo o indirecto explicados en [3]. Si la emisividad es
baja y la temperatura del objeto está relativamente alejada de la reflejada, es
importante establecer la temperatura aparente reflejada [14].
Distancia. Se entiende por distancia al espacio existente entre el objeto y la

cámara. Es importante tener en cuenta este parámetro para compensar, por un
lado la radiación absorbida por la atmósfera existente entre los dos objetos, y
por otro lado la propia radiación emitida por la atmósfera [14].
Humedad relativa. El índice de transmisión de la atmósfera (τatm ) depende en

cierta medida de la humedad relativa y la cámara tiene que compensar dicho
efecto. Por lo general, para distancias pequeñas y humedades relativas están-
dar puede fijarse en 50 % [14].
Otros parámetros. Parámetros como la temperatura atmosférica, la tempe-

ratura externa de la lente, las condiciones meteorológicas o los sistemas de
calefacción y ventilación pueden afectar a los resultados de las imágenes [3]
[14].
2.2.1. Modos de imagen y paletas de colores
Con las cámaras térmicas se toman imágenes que después pueden post-procesarse
para analizar los datos. En las de mayor gama también puede capturar vídeos. Exis-
ten diferentes modos de imagen y paletas de colores que se escogerán según lo que
desee el usuario.
Modos de imagen. Los modos de imagen representan el entorno capturado

por la cámara de diferentes maneras. Los diferentes modos que existen son
(Figura 2.7):
12
- MSX. proporciona una imagen térmica con las siluetas de los objetos
reales permitiendo diferenciarlos con mayor claridad.
- Térmico. se representa solamente la imagen térmica.
- Imagen dentro de imagen. Se representa la imagen térmica dentro de
la imagen digital con el fin de una mejor identificación del objeto en el
entorno.
- Cámara digital. Únicamente se muestra la imagen digital.
Fig. 2.7. Los cuatro modos de imagen disponibles. Ordenados de izquierda a derecha y de
arriba a abajo: MSX, térmico, imagen dentro de imagen y digital [3].
Paletas de colores. El dispositivo permite representar la imagen térmica utili-

zando diferentes paletas de colores, que, según la aplicación que se de a estas
imágenes, será más útil una elección u otra. En la Figura 2.8 se muestran las
diferentes paletas de colores existentes junto con su nombre.
Fig. 2.8. Paletas de colores para cámaras termográficas [15].
13
2.3. Campo de aplicación
Son numerosos los ámbitos donde el uso de cámaras termográficas permite obte-
ner información valiosa. No sólo se limita al campo de la ingeniería sino que también
se utilizan en medicina, veterinaria y seguridad entre otros. Al igual que muchos de
los inventos a lo largo de la historia, la invención de las cámaras térmicas surge en el
ámbito militar. Concretamente fue inventada por el físico húngaro Kálmán Tihanyi con
el fin de que el ejército británico detectase a la aviación enemiga [16]. Más adelante,
a partir de los años 80, se empezaron a producir comercialmente abriendo nuevo
campo de aplicaciones e investigación [4]. Algunos ejemplos de aplicaciones dentro
de los diferentes ámbitos son:
- Medicina y veterinaria: Es una herramienta muy útil en este campo ya que

muchas enfermedades afectan a la temperatura corporal general (fiebre) y en el
caso de las lesiones que, por ejemplo, causen una inflamación, son visibles en
puntos específicos. Para el diagnóstico de animales es muy útil por su carácter
no invasivo y poder hacerlo a distancia.
Con cámaras específicas con una amplia resolución en el rango de tempera-
turas del cuerpo humano pueden detectarse enfermedades graves que al ser
diagnosticadas a una temprana edad pueden curarse, como tumores de pecho
o ulceración en los pies en personas con diabetes. Las imágenes térmicas tam-
bién pueden aportar información sobre procesos psicológicos de una persona
analizando la distribución de temperaturas de la piel, ya que se relaciona con
el paso de la sangre por el sistema circulatorio [4].
- Industrial: El aumento anómalo de la temperatura en elementos mecánicos

suele ser un indicador de fallo o mal funcionamiento. La termografía es útil
para detectar fricciones en rodamientos y cojinetes por pérdida de grasa, so-
brecalentamientos en motores o aumentos de temperatura por desequilibrios
en ejes. En el ámbito industrial también es útil para detectar pérdidas y fugas
en conductos, conocer los niveles en depósitos, etc. Es muy útil también pa-
ra la localización de fallos y sobrecalentamientos en máquinas e instalaciones
eléctricas y elementos electrónicos. Con el auge del mantenimiento 4.0, está
ganando cada vez mayor importancia dentro de la industria y en aplicaciones
de realidad aumentada.
- Construcción: Se utiliza para localizar humedades y fugas, malos aislamientos

en ventanas y paredes que hacen que las instalaciones térmicas no funcionen
de manera correcta y poder así aumentar la eficiencia energética.
- Seguridad y militar: En el campo militar las cámaras térmicas se utilizan con

gran frecuencia, sobre todo equipadas en drones y aviones y en miras de arma-
mento. Tanto las personas, como las balas, armamento, vehículos o explosio-
14
nes son focos de temperatura que hacen que su reconocimiento con tecnología
termográfica sea sencillo.
Con cámaras térmicas pueden localizarse y hacer un seguimiento personas en
situaciones de emergencia como desastres naturales. Se utiliza también para
la detección de posibles focos de incendios. Se incorporan en los vehículos
autónomos para aumentar su seguridad al detectarse fácilmente a personas y
animales. Otra de sus aplicaciones que va cobrando cada vez más importancia
es para conocer datos biométricos de personas y reconocimientos faciales.
En al Figura 2.9 se muestran algunos ejemplos de imágenes termográficas obte-

nidas en los diferentes ámbitos recién comentados.
Fig. 2.9. Ejemplos de imágenes termográficas en animales, componentes electrónicos, ven-

tanas de un edificio, motores eléctricos y componentes mecánicos [17] [18] [19] [20]
[21].
2.4. Ventajas de la termografía
A pesar de los inconvenientes que tiene esta técnica, como puede ser que no
pueden identificarse defectos internos si no se manifiestan en el exterior, que el en-
torno puede influir en las mediciones si no se hacen las correcciones necesarias y
que por lo tanto se requiere conocer los principios de la termografía y su funciona-
miento por parte del usuario; son numerosas las ventajas que posee la técnica de la
termografía:
- Es una técnica no invasiva ni destructiva. Esto permite que se puedan tomar

medidas a distancia de altas temperaturas o medir de manera continua (condi-
tion monitoring) elementos que pongan en peligro la seguridad de una persona
si se está cerca. Las medidas pueden tomarse sin la necesidad de detener la
maquinaria, minimizando los tiempos de parada y reduciendo los costes.
15
- Se pueden tomar vídeos o fotos de grandes superficies para posteriormente

analizarlas en conjunto, al contrario que los sensores que solo miden la tempe-
ratura en puntos específicos.
- Las mediciones de temperatura son instantáneas, por lo que se conoce en el

momento la gravedad del fallo y pueden tomarse las medidas pertinentes para
el mantenimiento del activo.
- Son muy útiles en situaciones de baja visibilidad como en incendios o por la

noche (no confundir con cámaras de visión nocturna).
- Tiene numerosos campos de aplicación, no solamente dentro de la industria.
2.5. Procesamiento digital de imágenes
Una imagen es un “área sobre la cual se distribuye información lumínica, tanto en

intensidad de brillo como en color, perceptible por un ser humano o por un dispositivo
tecnológico con capacidad equivalente” [22]. El concepto actual de imagen nace de
la fotografía y la pintura, donde se plasma en un plano (dos dimensiones) un objeto
tridimensional.
Con una definición más técnica, una imagen se puede definir como una función
f (x, y) donde x e y son las coordenadas espaciales y f es el valor de la función en
esas coordenadas, que corresponde con la intensidad. Cuando la función es conti-
nua se trata de una imagen analógica. Para poder procesar la imagen utilizando un
ordenador, esta tiene que estar digitalizada, es decir, que x, y y la intensidad sean
discretos y finitos [23]. Para ello se realizan dos procesos:
Muestreo. Es el proceso utilizado para digitalizar las coordenadas. Consiste

en subdividir una imagen analógica en pequeñas porciones. Cuanto más pe-
queñas sean las divisiones, mayor número de píxeles habrá y mejor precisión
tendrá la imagen. Esto puede verse claramente en la Figura 2.10. La imagen
se representará en forma de rejilla o malla de M filas y N columnas, siendo M y
N número de píxeles.
Fig. 2.10. Diferentes tamaños de muestreo [24].
16
Cuantificación. Es el proceso de discretización del color. Para cuantificar la

intensidad es necesario definir la cantidad de niveles que van a emplearse. Es-
tos niveles van a estar expresados en un número entero de bits. Generalmente
se utilizan 8 bits (en MATLAB elementos tipo unit8), por lo que se tienen 256
niveles (28 ) donde el 0 es el color negro y el 255 el color blanco. Al igual que en
el muestreo, la cantidad de niveles que se elijan dependerá del detalle que se
requiera y/o necesite. En la Figura 2.11 se ve como afectan los niveles de gris
en el resultado.
Fig. 2.11. Diferentes niveles de gris [24].
Una vez se ha muestreado y cuantificado, se tiene la imagen digital en forma de

matriz de tamaño MxN donde el valor de cada elemento es el valor de la intensi-
dad según la cantidad de niveles que se hayan elegido. Cuando se trabaja con una
imagen en escala de grises se tiene una matriz bidimensional MxN. Para recorrer
la matriz, en MATLAB se utiliza la siguiente nomenclatura en la matriz intensidad
(Ecuación 2.14) [23]:
⎡ ⎤
⎢⎢⎢ a(1, 1) a(1, 2) ··· a(1, N − 1) a(1, N) ⎥⎥⎥
⎢⎢⎢ ⎥⎥
⎢⎢ a(2, 1) a(1, 2) ··· a(2, N − 1) a(2, N) ⎥⎥⎥⎥
Intensidad = ⎢⎢⎢⎢ . .. .. .. .. ⎥⎥⎥⎥ (2.14)
⎢⎢⎢ .. . . . . ⎥⎥⎥
⎢⎢⎣ ⎥⎦
a(M, 1) a(M, 2) · · · a(M − 1, N − 1) a(M, N)
Sin embargo, cuando se trabaja con una imagen en color, por ejemplo utilizando el
código RGB (Red Green Blue), se tiene una matriz tridimensional de tamaño MxNx3.
Cada píxel lleva asociado tres valores de intensidad, uno para el color rojo, otro para
el verde y otro para el azul que, cuando se superponen, crean el color real de la
imagen. En la Figura 2.12 se representa un esquema explicativo de la composición
de una imagen en color y su digitalización.
17
Fig. 2.12. Esquema explicativo de una imagen RGB [25].
Cada plano de color tiene un tamaño de MxN, por lo que la indexación en cada
color se hace con la nomenclatura de la Ecuación 2.14. Pero para elegir el plano de
trabajo, en MATLAB se utilizan los siguientes comandos:
a(:, :, 1) representa el color rojo en el plano RGB.
a(:, :, 2) representa el color verde en el plano RGB.
a(:, :, 3) representa el color azul en el plano RGB.
El entendimiento de esta parte es esencial ya que, aunque todo el proceso de

digitalización se lleva a cabo en la cámara, la aplicación diseñada se basa en la uti-
lización de las imágenes como matrices de intensidad y la manipulación de estos
valores. Para la obtención de los datos de temperatura, se van a asociar los valores
de intensidad a los valores de temperatura máximos y mínimos que proporciona la
escala que aparece en la imagen e, interpolando linealmente, se obtiene la tempera-
tura real en cada punto.
2.6. Mantenimiento
Para poder explicar la importancia de la termografía dentro del mantenimiento 4.0

es necesario conocer qué es el mantenimiento y qué tipos de mantenimiento existen.
Según la RAE, atendiendo a la segunda acepción, mantenimiento se define como
el “conjunto de operaciones y cuidados necesarios para que instalaciones, edificios,
industrias, etc., puedan seguir funcionando adecuadamente” [26]. Conceptualmente,
el objetivo del mantenimiento es alargar la vida en servicio u operación de un sistema
18
o maquinaria y a la vez disminuir, controlar o incluso eliminar el desarrollo de los

fallos. Posteriormente, a medida que ha ido evolucionando y tecnificándose, ganando
importancia, se han ido añadiendo conceptos como prevención y predicción.
El mantenimiento ha existido desde el inicio de la humanidad y ha ido evolucionan-
do y buscando formas óptimas, utilizando los recursos disponibles en cada momento,
hasta convertirse en el pilar fundamental que es hoy. En la antigüedad, las primeras
labores de mantenimiento consistían en afilar cuchillos, coser las pieles rasgadas,
etc. Es decir, el mantenimiento se basaba en sustituir o arreglar los utensilios que
utilizaban.
No fue hasta finales del siglo XVII cuando se empezó a darle más importancia
dentro de las empresas industriales, ya que hasta ese momento la mano de obra
tenía mayor peso (90 % del trabajo) en la industria que la maquinaria (10 % del traba-
jo). Con la Revolución industrial aparece el mantenimiento correctivo. Después de la
II Guerra Mundial, al evolucionar el desarrollo técnico de las máquinas, el desarrollo
del la ciencia y la técnica y la situación político-militar, el mantenimiento se tecnificó.
En los últimos años, el campo del mantenimiento ha evolucionado a pasos agiganta-
dos debido al aumento del número, complejidad y diversidad de activos físicos que
se utilizan en el mundo y al desarrollo de las tecnologías disponibles para realizar
dichas tareas de mantenimiento [27] [28].
Hoy en día existen cinco tipos de mantenimiento [29]:
Mantenimiento correctivo. Consiste en reparar o sustituir el elemento de la

máquina afectado una vez se ha producido el fallo. Su uso se hace en sistemas
donde no sea rentable el uso de otras técnicas. Su mayor ventaja es la rapidez
de puesta en servicio, pero al no analizar la causa del fallo, la avería volverá a
repetirse.
Mantenimiento preventivo. Las piezas se sustituyen en base a una previsión

realizada mediante cálculos teóricos y estimaciones. La principal desventaja es
que pueden sustituirse componentes que podrían seguir funcionando.
Mantenimiento productivo total (TPM: Total Productive Maintenance). El

mantenimiento básico de un activo es realizado por los usuarios del mismo, ge-
neralmente siendo tareas básicas para las que no es necesario tener un gran
formación. Implica la totalidad del personal (no sólo personal de mantenimien-
to).
Mantenimiento predictivo. Se basa en la monitorización y seguimiento conti-

nuo del sistema para detectar con anterioridad el fallo que se va a producir. En
el mantenimiento predictivo la sustitución o reparación del elemento se realiza
en el instante antes de que se produzca el fallo. Se suele utilizar en componen-
tes cuyo fallo suponga un elevado riesgo para la seguridad.
19
Mantenimiento 4.0. Es una evolución del mantenimiento predictivo donde se

hace uso de técnicas y tecnologías más complejas para la monitorización de
los activos.
El mantenimiento se ha convertido en uno de los pilares fundamentales de una

empresa, que repercute directamente en los beneficios de la misma. Una correcta
implantación del plan de mantenimiento es clave y engloba a todos los departamen-
tos, por lo que debe haber una implicación global de la empresa, no solamente de la
dirección y el departamento de mantenimiento. Para una correcta elección del plan
de mantenimiento se utilizan técnicas como el RCM que buscan aprovechar las for-
talezas de cada tipo de mantenimiento.
El Mantenimiento Centrado en la Confiabilidad o Fiabilidad (RCM: Reliability Cen-
tred Maintenance) es una estrategia cuyo objetivo es incrementar la probabilidad de
que una máquina o componente funcione en la forma requerida durante su ciclo de
vida de diseño, con el mínimo mantenimiento y tiempo de parada. Se ha convertido
en la principal herramienta para optimizar los planes de mantenimiento. Para ello in-
tegra procesos de mantenimiento correctivo, preventivo, proactivo y predictivo con el
fin de aprovechar todas las fortalezas de cada uno en vez de aplicarlas independien-
temente [27] [29].
2.6.1. Mantenimiento predictivo. Mantenimiento 4.0
El Mantenimiento 4.0 integra y hace uso de las nueve tecnologías habilitantes de

la Industria 4.0 que son: fabricación avanzada, fabricación aditiva, realidad aumenta-
da, simulación, integración horizontal y vertical, Internet de las cosas industrial (IoT),
la nube, ciberseguridad, datos masivos (Big Data) y análisis de datos.
El Mantenimiento 4.0 está ganando cada vez más peso dentro de la industria ya
que permite reducir enormemente los costes a largo plazo, aunque la inversión inicial
para adquirir e implantar las tecnologías sea elevada. Dentro de este paradigma, la
termografía (objeto de este trabajo), puede integrarse en el mantenimiento predictivo
de dos modos diferentes:
- Monitorización continua en tareas de mantenimiento predictivo (condition

monitoring). En este caso se dejaría una cámara fija en un punto de interés y,
según lo que se requiera, establecer alarmas que salten cuando la temperatura
supere o baje de un cierto valor, si el perfil de temperaturas sobre una línea va-
ría repentinamente dar un aviso, etc. Un ejemplo es lo que se veía en el punto
1.1 sobre las imágenes térmicas en vehículos de competición ya que, sabiendo
las temperaturas en cada momento pueden predecirse pinchazos o bajadas de
rendimiento que, en definitiva, es mantenimiento predictivo. Además, toda es-
ta información sobre la evolución de temperaturas puede ir almacenándose y
20
posteriormente hacer un estudio teniendo en cuenta el circuito, el tipo de neu-

mático, la temperatura de pista, etc. para sacar patrones de comportamiento.
Aquí es donde entra en juego el IoT y el Big Data.
- Aplicaciones de mantenimiento preventivo y/o predictivo utilizando reali-

dad aumentada. El uso habitual de la aplicación de mantenimiento con termo-
grafía es realizar directamente las mediciones in situ. El operario que se en-
carga de hacer revisiones lleva consigo una cámara térmica y, en tiempo real,
puede encontrar fallos y ver el estado de los activos sin necesidad de parar la
planta o máquina.
21
3. HERRAMIENTAS DE DESARROLLO DE APLICACIONES
3.1. Interfaz gráfica de usuario (GUI)
La interfaz gráfica de usuario o GUI (por sus siglas en inglés Graphic User Inter-
face) es un programa informático cuya principal función es simplificar el intercambio
de información entre dos sistemas que no utilizan el mismo lenguaje, en este caso
el ordenador y el usuario. Para ello utilizan un entorno visual sencillo e intuitivo con
imágenes, menús y objetos gráficos para mostrar las acciones que el usuario puede
realizar. Nace de la necesidad de acercar los ordenadores a personas no especia-
lizadas y sin grandes conocimientos de informática, sustituyendo la complejidad de
las interfaces de líneas de comando (CLI: Command Line Interface) por acciones
predeterminadas simbolizadas por elementos visuales de fácil comprensión [30] [31]
[32].
En la Figura 3.1 se ve claramente la diferencia entre una GUI (izquierda) y una
CLI (derecha) en este caso de Windows.
Fig. 3.1. Diferencia entre GUI y CLI de Windows [Elaboración propia]
Las principales características que debe tener una buena interfaz de usuario son
[30][32][33]:
- Fácil de comprender, de utilizar y de aprender y recordar su funcionamiento.

Para ello debe ser coherente, haciendo que la navegabilidad y usabilidad sean
óptimas.
- Simpleza y concisión. Hay que dar al usuario únicamente la información que

necesite o pida. Han de evitarse elementos y componentes que no añadan
funcionalidades de interés.
22
- Debe incluir ayudas e indicaciones que guíen o resuelvan las dudas al usuario.
- Los elementos principales deben ser claramente identificables, así como el ob-
jetivo del programa.
- Visualmente ha de ser atractiva, captando la atención del usuario. Gran parte

de los abandonos de páginas web o programas se deben a una mala expe-
riencia del usuario por no estar optimizada a sus expectativas y por ser poco
atractiva y engorrosa.
- Debe tener un diseño ergonómico que guíe al usuario, ordenando los elemen-
tos de interacción en menús, paneles y elementos de fácil acceso, haciendo
que sean familiares al usuario.
En el diagrama de flujo de la Figura 3.2 se muestra el proceso que se sigue para

la creación de una interfaz de usuario, utilizado para el desarrollo de la interfaz de
este trabajo de fin de Máster.
,1,&,2
(QWHQGLPLHQWR\DSUHQGL]DMHGHODV
KHUUDPLHQWDVGHSURJUDPDFLyQ
',6(f2'HILQLUREMHWLYRV\
FDUDFWHUtVWLFDV
6,
352*5$0$&,Ï1
12
7(67FRPSUREDFLyQGHO
IXQFLRQDPLHQWR
¢(5525GHGLVHxR" 6, ¢([LVWHQ(5525(6" 12 ),1
Fig. 3.2. Pasos a seguir en la creación de una interfaz de usuario [Elaboración propia]
23
3.2. Herramienta de desarrollo MATLAB
MATLAB, acrónimo de las palabras en inglés “MATrix LABoratory” (Laboratorio de

matrices), es un software informático de cálculo numérico orientado especialmente
a ingenieros y científicos. Utiliza un lenguaje de programación propio de alto nivel
(lenguaje M) con el que se pueden desarrollar algoritmos, analizar y visualizar datos
y realizar cálculos numéricos [34].
Aunque el campo de aplicaciones que tiene el software es muy extenso, las prin-
cipales funciones son [35]:
- Manipulación de matrices.
- La representación de datos y funciones.
- Implementación de algoritmos.
- Comunicación con programas en otros lenguajes y con otros dispositivos hard-

ware.
- Creación de interfaces de usuario (GUI).
Además, incluye aplicaciones adicionales como Sumulink (herramienta de simu-

lación), GUIDE o App Designer, pudiendo aumentar sus funciones con herramientas
llamadas toolboxes. MATLAB tiene predeterminadas gran cantidad de estas aplica-
ciones (procesamiento de imágenes, Machine-Learning, procesamiento de señales,
etc.), así como las subidas a internet desarrolladas por los usuarios, que pueden ser
descargadas e instaladas.
La posibilidad de crear interfaces de usuario ha sido la razón por la que se ha
escogido MATLAB como herramienta de desarrollo. Existen tres maneras diferentes
de crear GUIs en MATLAB. En cada una ellas se trabaja de manera diferente, con sus
ventajas e inconvenientes y que dependerá del propósito y del objetivo del usuario
cual de ellas utilizar. Los tres métodos son los siguientes:
1. Forma programática con funciones. En este primer método el usuario pro-

grama completamente el código mediante funciones de MATLAB. Es la forma
más complicada y tediosa ya que se crea la figura y se posiciona cada botón
y elemento escribiendo el código, pero a la vez se tiene un control total sobre
el diseño de todos los componentes. Se programa en un script de MATLAB
tradicional.
2. GUIDE. Son las iniciales de Graphical User Interface Development Enviroment.

Es un editor diseño que proporciona herramientas para diseñar GUIs. La inter-
faz se diseña arrastrando los elementos al entorno de trabajo, generándose el
24
código automáticamente y ahorrando tiempo. Las características de los compo-

nentes se pueden modificar en una ventana contigua sin necesidad de tocar el
código, por lo que existe una mayor facilidad para crear la interfaz. Las funcio-
nes asociadas a los botones y elementos se hacen por separado. En la Figura
3.3 puede verse un ejemplo del entorno de trabajo de la herramienta GUIDE.
Fig. 3.3. Entorno de trabajo de la herramienta GUIDE [36].
3. MATLAB App Designer. Es una herramienta para diseño de aplicaciones. El

flujo de trabajo hace que se ahorre tiempo y comprensión del funcionamien-
to a la hora de programar en comparación con la herramienta GUIDE. Utiliza
un entorno integrado para su creación, con dos partes: la primera donde se
organizan los componentes de la interfaz gráfica, arrastrado los elementos y
generando el código automáticamente; y la segunda donde se programan las
acciones y el comportamiento de la aplicación.
Además, las aplicaciones creadas son fácilmente exportables ya sea para ver-
sión escritorio o versión web, y muy sencillo compartirlas e instalarlas. Por todas
estas ventajas, MATLAB App Designer ha sido la herramienta utilizada en este
proyecto. A continuación se explicará más en profundidad cómo funciona.
3.3. MATLAB App Designer
MATLAB App Designer es una herramienta dentro de MATLAB para la creación y

el diseño de interfaces gráficas de usuario. Gracias al diseño de su entorno es una
herramienta sencilla de usar. El entorno de App Designer se divide en dos partes:
- Diseño de la interfaz (Design View). En este primer módulo se diseña la GUI

propiamente dicha. El programa dispone de una serie de elementos (que se
25
pueden ver en la Figura 3.4) que son arrastrados y dispuestos en el entorno

de trabajo para crear la aplicación. La principal ventaja de App Designer resi-
de aquí, ya que toda la programación de la posición, tipo, formato, etc. de los
elementos es automática.
Fig. 3.4. Elementos disponibles para la creación de la interfaz de usuario. [Elaboración propia]
En la imagen superior de la Figura 3.5 puede verse este entorno. A la izquierda

se encuentran los componentes disponibles (Component library) y en el centro
el entorno de trabajo. A la derecha se encuentra un esquema de cómo se orga-
nizan los elementos (Component browser). Cuando se selecciona un compo-
nente, aparece a la derecha de la pantalla un menú donde pueden modificarse
de manera muy sencilla e intuitiva todas sus propiedades.
- Programación de las funciones (Code View). En este segundo módulo es

donde se programan todas las acciones y funciones de la aplicación. Se divide
en tres secciones.
En la primera de ellas es donde se establecen las características de los compo-
nentes. MATLAB lo genera de forma automática y el usuario no puede modificar
el código, sino que cambia las propiedades de los componentes en la parte de
Design View.
En la segunda sección es donde el usuario programa las acciones y funciones
de cada elemento. La programación en App Designer se basa en los llamados
“callbacks” que son las funciones que se ejecutan cuando el usuario interac-
túa con la interfaz, como puede ser pulsar un botón o cambiar de posición un
switch. En un primer momento se definen los nombres de las variables que se
van a utilizar en estos callbacks y, si alguna tiene un valor predefinido, éste tam-
bién se declara aquí. Después viene la definición de las funciones que van a
utilizarse en la aplicación. Estas funciones pueden ser de tipo público, en el ca-
so de que se vayan a utilizar fuera de la aplicación (por ejemplo si se conectan
26
diferentes aplicaciones o añaden pantallas emergentes); o de tipo privado, si

únicamente se van a utilizar en la interfaz diseñada. Finalmente se programan
los callbacks de cada elemento que harán uso de las funciones antes progra-
madas y de las variables declaradas.
En la tercera y última sección se inicializan los componentes y se crea la apli-
cación.
El entorno Code View puede verse en la imagen inferior de la Figura 3.5. A la
izquierda se encuentra un buscador con los callbacks y las funciones (Code
browser), y la GUI creada en el entorno Design View (App layout). En la parte
central se encuentra el script donde se programa el código. Por último, a la
derecha, igual que en el entorno anterior, se encuentra el Component browser.
Fig. 3.5. Entorno “Design View” (imagen superior) y entorno “Code View” (imagen inferior) en
App Designer [Elaboración propia]
27
4. DESARROLLO DEL PROYECTO
4.1. Descripción general
La aplicación diseñada tiene como función principal la extracción de los datos de

temperatura de diferentes formas de imágenes y vídeos térmicos. Por ello la aplica-
ción se compone de dos módulos: uno para el tratamiento de imágenes y otro para
el tratamiento de vídeos. Para ambos tipos de archivo, aunque la interfaz cambia, el
flujo de trabajo es el mismo. En la Figura 4.1 se presenta el diagrama de flujo donde
se resume el desarrollo de la aplicación. En la sección de funcionamiento de la apli-
cación se explicará en detalle cada una de las fases y las funciones de cada uno de
los botones.
,1,&,2
&DUJDGHODLPDJHQSRU
SDUWHGHOXVXDULR
7UDWDPLHQWRSUHYLRGHODLPDJHQ
SDUDGHWHUPLQDUODHVFDODGH
WHPSHUDWXUDV
3ULPHUDIDVH
¢4XpGHVHDKDFHU"
3HUILOGHWHPSHUDWXUDDOR 7HPSHUDWXUDPHGLDHQXQ
7HPSHUDWXUDHQSXQWRV $ODUPD
ODUJRGHXQDOtQHD iUHD
6,
¢'HVHDUHDOL]DURWUD
DFFLyQ
12
),1
6HJXQGDIDVH
Fig. 4.1. Diagrama de flujo del programa completo [Elaboración propia]
28
Cuando se inicia la aplicación aparece una ventana donde se elegirá en qué mó-
dulo se desea trabajar. Ambos módulos trabajan con el diagrama de la Figura 4.1
donde se distinguen dos fases:
- Primera fase: carga de la imagen y tratamientos previos. En esta parte el

usuario sube el archivo y se reconocen los límites de la escala y las temperatu-
ras máximas y mínimas de la imagen para poder interpolar luego las intensida-
des de los píxeles y obtener las temperaturas.
- Segunda fase: acciones sobre el archivo. En esta parte es donde el usuario

decide qué acción realizar sobre la imagen según las necesidades que tenga
y los datos que desee conocer. Tanto en el tratamiento de imágenes como de
vídeo se dispone de cuatro acciones: perfil de temperaturas a lo largo de una
línea, temperatura media en un área, temperatura en uno o varios puntos y es-
tablecer alarmas en las zonas donde la temperatura sea mayor o menor a la
marcada por el usuario. En el caso de ser una imagen, el tratamiento se ha-
ce para esa imagen. En el caso de que sea un vídeo, se hace el tratamiento
de imagen a cada fotograma y luego se unen para formar un vídeo final obte-
niéndose la evolución del perfil, del punto o puntos, de la temperatura media,
etc.
4.2. Diseño de la interfaz gráfica
A nivel funcional se ha buscado que la interfaz sea lo más simple e intuitiva po-
sible. Para poder conseguir esto es esencial un cuidado especial en la estética y
disposición de los elementos. En las Figuras 4.2 y 4.3 se muestran la ventanas del
módulo “Análisis termográfico de imágenes” y “Análisis termográfico de vídeos” res-
pectivamente que servirán como ejemplo para explicar la colocación de botones y
gráficos.
Como se ha visto en la Sección 3.1, donde se explican los requisitos que debe
tener una buena GUI, la interfaz debe ser visualmente atractiva, que no distraiga del
objetivo principal, con un diseño ergonómico que vaya guiando en al usuario en su
funcionamiento. A nivel estético se ha optado por una gama de colores ligada con
la universidad con la que se desarrolla el presente trabajo. Se ha utilizado un fondo
blanco en vez del gris que hay por defecto, con las letras de los títulos en el azul
característico de la Universidad Carlos III de Madrid y el resto de letras en negro,
dándole un aspecto limpio y claro. Los botones son de color gris claro que, al ser
diferentes del color del fondo, hace que se identifiquen de manera más fácil. Al no
utilizar colores llamativos y ni variedad de los mismos, sombras o elementos en 3D en
la interfaz, hace que la vista se centre en la imagen que se está analizando y los datos
obtenidos y no se distraiga con elementos innecesarios. En la parte superior central
se encuentra el título para poder identificar en qué módulo se está trabajando y en la
esquina superior derecha el logo de la Universidad y del grupo de investigación.
29
Fig. 4.2. Pantalla del módulo de análisis termográfico de imágenes. [Elaboración propia]
30
Fig. 4.3. Pantalla del módulo de análisis termográfico de vídeo. [Elaboración propia]
31
En la Figura 4.4 se muestran las tres paletas de colores presentes en la aplica-

ción. La paleta superior corresponde a la interfaz, la segunda a la imagen térmica y
la última a los colores disponibles para los puntos, líneas, áreas seleccionados. Se
da la opción de cambiar los colores de los marcadores porque, por ejemplo, si se
quiere seleccionar un punto en una zona amarilla, el verde tiene poco contraste y no
se verá bien, por lo que se deberá seleccionar un color más oscuro. Como se puede
comprobar, el que más contraste tiene con los colores de la imagen es el verde, que
será el color por defecto.
Fig. 4.4. Paletas de colores utilizados en la aplicación [Elaboración propia]
Los botones y elementos se han agrupado en paneles para que queden más
ordenados, sea más sencilla su identificación y quede claro su función a primera
vista. En la parte superior de cada panel se encuentra el título que indica para qué
sirven dichos botones. La pantalla principal se divide en dos zonas:
- Zona de instrucciones y acciones principales. Se encuentra en la parte iz-

quierda de la pantalla principal. En ella se encuentran tres paneles: el de ins-
trucciones colocado arriba a la izquierda (es el primer sitio donde se mira, por
coincidir con donde empieza a leerse una página) donde, a medida que se vaya
avanzando, saldrá información relevante así como los pasos que se tienen que
seguir; el de pasos iniciales debajo del de instrucciones, para cargar la imagen
y realizar el tratamiento previo; y por último el de acciones, donde el usuario
podrá elegir qué tipo de datos desea adquirir.
- Zona de imagen, resultados y acciones secundarias. Es la zona centro y

derecha de la ventana principal. Se muestran las imágenes en el panel de
“Imagen termográfica” (centro) y las gráficas, las imágenes con alarmas o las
tablas de datos en el panel “Resultados” (derecha). Según la acción principal
que se seleccione, aparecerán y desaparecerán paneles con acciones secun-
darias debajo de los paneles principales, como pueden ser exportar las nuevas
imágenes, modificar los gráficos o seleccionar temperaturas para las alarmas.
32
En la interfaz del módulo de vídeo (Figura 4.3) se ha eliminado el panel “Re-

sultados” ya que, la representación de los datos obtenidos se graba en un vídeo y
se representa a parte por motivos de rapidez de procesamiento. En la Figura 4.5
se muestra un ejemplo de la salida de los resultados: a la izquierda el vídeo y a la
derecha el gráfico, en este caso la evolución de la temperatura media con el tiempo.
Fig. 4.5. Ejemplo de salida de resultados en el módulo de vídeo. Representación de la tem-

peratura media del área respecto al tiempo. [Elaboración propia]
4.3. Condiciones de toma de imágenes y vídeos
Existen una serie de condiciones que deben cumplirse en la toma de imágenes

y vídeos para que puedan ser tratados en la aplicación. Estas premisas se deben
al tipo de cámara de la que se dispone para la toma de fotografías y al método que
se ha utilizado para la extracción de datos. En un futuro, cuando la aplicación se
desarrolle más en profundidad, estas condiciones se verán reducidas al mínimo o
completamente eliminadas.
Captura de imágenes con cámaras marca FLIR. La aplicación está orientada

a las fotos hechas con la cámara FLIR E95 42o . Hay ciertos parámetros, como
la posición y coordenadas de los valores de las temperaturas superior e inferior
y la escala de temperaturas, que varían según la marca y el tipo de cámara que
se utilice. Con el fin automatizar los procesos (sobre todo en el caso de vídeo
como se verá posteriormente) y ahorrar enormes cantidades de tiempo, se ha
decidido “limitar” la aplicación a esta cámara, ya que es la que se tiene dispo-
nible y con la que se pueden realizar las pruebas y ensayos para la verificación
y correcto funcionamiento del programa.
33
Selección de la paleta de color. Dado que para el procesamiento de la imagen

térmica se trabajará con la imagen convertida a escala de grises para tener un
único valor de intensidad, ha de utilizarse una paleta de color en la que la
progresión de la intensidad en la escala sea lineal. Se ha escogido la paleta
de color tipo “Acero” por cumplir con esta propiedad (ver Figura 4.6). También
puede obtenerse la imagen directamente en escala de grises con la cámara. Sin
embargo esta progresión no se cumple en otras paletas, como por ejemplo en
la tipo “Arco iris” (ver Figura 4.7), por lo que no serán válidas para la aplicación.
Fig. 4.6. Comparación imagen con paleta de color “acero” con misma imagen en escala de
grises. [Elaboración propia]
Fig. 4.7. Comparación imagen con paleta de color “arcoiris” con misma imagen en escala de
grises. [Elaboración propia]
34
Elección del modo de imagen. Para el modo de imagen se ha de seleccionar

el tipo “térmico”. No se puede utilizar el modo MSX ya que la silueta blanca que
aparece alrededor de los objetos para una mejor identificación, altera los valo-
res de la temperatura. En los puntos donde aparece el contorno, la aplicación
los leería como picos de temperatura, dando un resultado irreal.
Evitar que aparezcan en la imagen parámetros de medición. Se puede con-

figurar la cámara para que aparezcan en tiempo real medidas de la temperatura
en un punto, que marque los puntos calientes o fríos, pero al igual que el MSX,
esto entorpece la extracción de los valores de temperatura. En la Figura 4.8
se muestran algunos marcadores que es deseable evitar que aparezcan, como
por ejemplo la temperatura y marcador del punto central.
Fig. 4.8. Parámetros de medición y marcadores que es recomendable evitar. [Elaboración

propia]
4.4. Funcionamiento de la aplicación
En la presente sección se van a explicar la metodología que sigue la aplicación,

entrando en detalle en las funciones programadas para obtener los diferentes resul-
tados. Dado que la mayoría de funciones son comunes para el módulo de imágenes
y de vídeo, se explicará uno y se puntualizarán las diferencias en cada apartado.
Como se ha explicado anteriormente, una vez se inicia la aplicación aparece una
ventana donde el usuario elije entre tratar una imagen o un vídeo. Dicha ventana
aparece en la Figura 4.9. Según lo que se elija se abrirá el módulo de tratamiento de
imágenes (Figura 4.2) o vídeo (Figura 4.3).
35
Fig. 4.9. Ventana de inicio. [Elaboración propia]
En los dos módulos, cuando estos se ejecutan por primera vez, se declaran las
variables necesarias, se ajusta el tamaño de la ventana a la pantalla, se muestra en el
panel de instrucciones las indicaciones y se ocultan o deshabilitan todos los botones
excepto el de cargar. Aquí es donde empieza la primera fase que será descrita a
continuación.
4.4.1. Primera fase: tratamiento previo
En la Figura 4.10 se muestra el diagrama de flujo de la fase previa para el módulo

de vídeo. Se compone de cuatro fases, cada una asociada al accionamiento de su
correspondiente botón. Se muestran en el diagrama con un recuadro de línea dis-
continua. Los cuatro pasos son: carga del archivo (botón “LOAD”), comprobación de
los límites de escala (Botón “PASO 1”), adquisición de la intensidad de los límites de
escala (Botón “PASO ”) y obtención del valor numérico de la temperatura máxima y
mínima de la escala (Botón “PASO 3”). Para el tratamiento de imágenes es exacta-
mente el mismo pero más simplificado ya que, en el “PASO 3”, solo hay un fotograma
por lo que el bucle se elimina.
36
,1,&,2
(QFHQGHUODPSDUD\
QXHYDVLQVWUXFFLRQHV
&DUJDGHOYtGHRSRUHO &RQYHUVLyQGHOSULPHU
XVXDULR IRWRJUDPDDHVFDODGH
JULVHV
0RVWUDUHOSULPHU
IRWRJUDPD 2EWHQFLyQGHOD
LQWHQVLGDGGHORV
OtPLWHVGHHVFDOD
%RWyQ/2$'
%RWyQ3$62
(VWDEOHFHUSRVLFLyQ (QFHQGHUODPSDUD\
GHORVOtPLWHVGH QXHYDVLQVWUXFFLRQHV
HVFDOD
¢%LHQ" 6,
2EWHQFLyQGHOYDORUQXPpULFRGHODV
WHPSHUDWXUDVVXSHULRUHLQIHULRUGHOD
HVFDODGHOIRWRJUDPDL
12
1XHYDSRVLFLyQ
*XDUGDUYDORUHVHQ
YHFWRUHV
¢%LHQ" 6,
12 6, ¢LQ~PHURGH
IRWRJUDPDV"
,QWURGXFFLyQGHODSRVLFLyQSRUHO 12
XVXDULR %RWyQ3$62
%RWyQ3$62 (QFHQGHUODPSDUD\
QXHYDVLQVWUXFFLRQHV

Fig. 4.10. Diagrama de flujo de la primera fase para el tratamiento de vídeo [Elaboración
propia]
Para simplificar y no repetirlo en cada paso, tanto para la primera como para la
segunda fase, cuando se pulsa un elemento, en el panel de instrucciones aparecen
las indicaciones y ayudas necesarias. También se activan y desactivan los paneles,
botones y elementos necesarios para cada acción. Los pasos de la fase previa, ex-
plicados detalladamente son:
37
Paso 0: carga de imagen (Botón “LOAD”)
Es el único botón habilitado cuando se pone en marcha la aplicación. Cuando se

pulsa se abre una ventana de diálogo de selección de archivos para que el usuario
suba la imagen o vídeo correspondiente. Si se realiza la carga desde archivo, este
debe encontrarse en la carpeta de trabajo de MATLAB ya que si no puede dar errores.
En el caso de que se vaya a tratar un vídeo, aquí se lee el número de fotogramas y
los fotogramas por segundo, que serán utilizados con posterioridad. Una vez subida
se activa el botón “PASO 1”. Se muestra en el panel “IMAGEN TERMOGRÁFICA” la
imagen o el primer fotograma.
En el caso de que ya se haya tratado una imagen o vídeo y se quiera tratar
otra, se pulsa de nuevo el botón “LOAD” y se desactivan automáticamente todos los
elementos que no sean necesarios y se reinician las figuras y directorios.
Paso 1: comprobación de los límites de escala (Botón “PASO 1”)
Al pulsar el botón “PASO 1”, se muestran en la imagen dos cruces de color verde
sobre los límites de la escala. Se entiende por límites de escala a el punto superior
(color más amarillo) e inferior (color más morado) de la barra que se encuentra a la
derecha de las imágenes, que contiene la escala de color asociada a las tempera-
turas. Actualmente, el valor de las coordenadas está predefinido para las imágenes
y vídeos tomadas con cámaras FLIR al ser el dispositivo disponible durante la rea-
lización del trabajo. Para comprobar si las cruces están en su posición correcta, ya
que puede haber otras coordenadas válidas para las cámaras FLIR, se abre una nue-
va ventana donde se pregunta si dichos límites están bien o no. En caso afirmativo,
se activa el botón “PASO 2” y la lámpara 1. En caso negativo se prueba con las si-
guientes coordenadas posibles y si vuelven a estar mal, se pide al usuario que las
introduzca el manualmente.
En la Figura 4.11 se muestra la ventana emergente para la comprobación de los
límites de escala. Una vez se responde, se activa el botón “PASO 2”.
38
Fig. 4.11. Ventana emergente para la comprobación de la posición de los límites de escala
[Elaboración propia]
Paso 2: adquisición de la intensidad de los límites de escala (Botón “PASO 2”)
Al pulsar este botón, se convierte la imagen a escala de grises y, según la res-

puesta que haya dado el usuario, se obtiene la intensidad de los píxeles de en las
coordenadas correctas. El valor de la intensidad de los píxeles de los límites se utili-
zará para interpolar y sacar el valor real de las temperaturas en el resto de la imagen.
La conversión a escala de grises se hace para tener un único valor de intensidad en
lugar de tres, simplificando enormemente los cálculos al tener una matriz bidimen-
sional en vez de tridimensional (ver Sección 2.5). En este caso para vídeo es igual
que para imagen, ya que la escala en todos los fotogramas es siempre la misma.
Se utiliza el primer fotograma como referencia. Cuando acaba el proceso se activa la
lámpara 2 y el botón “PASO 3”.
Paso 3: obtención del valor numérico de la temperatura máxima y mínima de la

escala (Botón “PASO 3”)
En este paso se obtiene el valor numérico de la temperatura máxima y mínima

que se encuentra en la imagen (arriba y abajo de la barra de la escala). Para leer
dichos valores se hace uso de una función integrada en MATLAB que reconoce texto
mediante OCR (Optical Character Recognition). Para una sola imagen o un vídeo
cuya escala sea fija, podrían meterse a mano dichos valores, pero en un vídeo donde
la escala va autoajustándose, habría que meter estos valores para cada fotograma.
Por ello se optó por utilizar esta función y recorrer fotograma a fotograma, guardando
el valor de temperatura superior e inferior en sus vectores correspondientes. Cuando
acaba el proceso se activa la lámpara 3, se desactivan todos los botones del panel
“PASOS INICIALES” excepto el botón “LOAD” y se activa el panel “ACCIONES”.
De esta manera se termina la primera fase, dando paso a la segunda, donde el
usuario decide que acción realizar de las cuatro propuestas.
39
4.4.2. Segunda fase: interacción con el usuario
En esta sección se va a explicar el funcionamiento de cada acción mediante dia-

gramas de flujo y pequeñas aclaraciones. No se añadirán imágenes de cada paso
ya que se haría demasiado largo, sino que estas se encontrarán en el capítulo de
ejemplo de uso de la aplicación (Capítulo 5).
Perfil de temperaturas
Cuando se pulsa el botón, se muestra la imagen (o primer fotograma) y se pide

al usuario que dibuje una línea donde quiera conocer el perfil de temperaturas. Estas
coordenadas se guardan y se obtiene la intensidad de cada píxel de la línea de la
imagen en escala de grises. Con los valores obtenidos en la fase previa, se escalan
las intensidades para tener los valores reales de temperatura. Por último se calculan
los máximos y mínimos. Cuando este proceso acaba se representan tanto la imagen
con la línea como el perfil de temperaturas. En la parte inferior derecha, se activa un
panel de opciones con el que podrán representarse en el gráfico el punto máximo y
el mínimo así como exportar la imagen.
&UHDFLyQGHGLUHFWRULR
,1,&,2
5HSUHVHQWDUIRWRJUDPDL
7UD]DUOtQHD
FRQOtQHD\VXVYDORUHV
2EWHQHULQWHQVLGDGGHOD *XDUGDULPDJHQ
6,
OtQHDHQIRWRJUDPDL
2EWHQHUPi[LPRV\PtQLPRV ¢LQ~PHURGH
IRWRJUDPDV"
(VFDODUYDORUHVSDUDREWHQHU 12
WHPSHUDWXUDV
0RQWDUYtGHRFRQODV
LPiJHQHVJXDUGDGDV
¢LQ~PHURGH
6, 12
IRWRJUDPDV"
),1
Fig. 4.12. Diagrama de flujo de la acción perfil de temperaturas para vídeo [Elaboración pro-
pia]
En el caso del vídeo, lo primero que se hace es crear un directorio donde se guar-
40
darán las imágenes que posteriormente conformarán el vídeo. Se hace el proceso

explicado para cada fotograma, cambiando que en vez de representar los resultados
en la aplicación se hacen en una figura oculta que irá guardándose como imagen.
Una vez se haya hecho esto para todos los fotogramas, se ensambla el vídeo. Se
guarda en el directorio creado. En la Figura 4.12 se muestra el diagrama de flujo para
esta acción.
Temperatura área
La función para calcular la temperatura media de un área el proceso es casi el

mismo que el explicado para el perfil de temperaturas, salvo que en vez de dibujar
una línea hay que seleccionar un área rectangular. En la Figura 4.13 se muestra el
diagrama de flujo para el caso del vídeo. El resultado mostrado en este caso es, a la
izquierda la imagen en blanco y negro salvo el área seleccionada que se muestra en
color, y a la derecha la evolución de la temperatura media con respecto al tiempo. En
el caso de la imagen la temperatura media aparece en el panel de instrucciones y en
el título de la imagen recortada, mostrada en la parte derecha de la aplicación. En el
capítulo de los ejemplos se podrá ver de mejor manera.
Cuando se pulsa el botón, aparece un aviso explicando cómo cortar la imagen ya
que esta función en MATLAB no es del todo intuitiva. Ha de seleccionarse el área,
pulsar el botón derecho y seleccionar “crop image”.
&UHDFLyQGLUHFWRULR
,1,&,2
5HSUHVHQWDUIRWRJUDPDLHQ
&RUWDULPDJHQ HVFDODGHJULVHVFRQLPDJHQ
UHFRUWDGDHQFRORUHYROXFLyQ
WHPSHUDWXUDPHGLD
2EWHQHULQWHQVLGDGPHGLDGH
ODLPDJHQUHFRUWDGD
6, *XDUGDULPDJHQ
(VFDODULQWHQVLGDGSDUD
REWHQHUODWHPSHUDWXUD
¢LQ~PHURGH
IRWRJUDPDV"
¢LQ~PHURGH 12
6, 12
IRWRJUDPDV"
0RQWDUYtGHRFRQODV
),1
LPiJHQHVJXDUGDGDV
Fig. 4.13. Diagrama de flujo de la acción temperatura área para vídeo [Elaboración propia]
41
Temperatura punto
Para esta función sí que se van a mostrar por separado el diagrama de flujo para
el modo de imagen y para el modo vídeo. En la Figura 4.14 se muestra el diagrama de
flujo para la temperatura en puntos de las imágenes. Cuando se pulsa el botón, apa-
rece un panel con las opciones disponibles. Para conocer la temperatura de un punto
ha de pulsarse “AÑADIR PUNTO” y seleccionar la posición en la imagen emergente.
A continuación se representa el punto en la imagen y la temperatura se representa
en un gráfico de barras y en una tabla. A medida que se añadan más puntos irá com-
pletándose dicha tabla y gráfico. Si se quieren borrar todos los puntos ha de pulsarse
“RESET”. Si ya se ha terminado y no se quiere conocer ningún punto más se puede
exportar la imagen y la tabla con los valores de las coordenadas y temperatura.
,1,&,2
0RVWUDUSDQHO23&,21(6
7(03(5$785$38172
(VWDEOHFHUFRORU
3XOVDUERWyQ$f$',5
38172
(VWDEOHFHUSXQWRHQOD
)LJXUDHPHUJHQWH
$f$',538172
2EWHQHULQWHQVLGDGGHOSXQWR
5HVHWHDULPDJHQ REWHQHUWHPSHUDWXUD
JUiILFR\WDEOD
5HSUHVHQWDUSXQWRHQODLPDJHQ
0RVWDUHQWDEODODWHPSHUDWXUD\
FRRUGHQDGDV
5HSUHVHQWDUWHPSHUDWXUDHQHO
JUiILFRGHEDUUDV
¢'HVHDKDFHUDOJR
),1
PiV"
5(6(7
Fig. 4.14. Diagrama de flujo de la acción temperatura puntos para imagen [Elaboración pro-
pia]
42
En el caso del vídeo es más sencillo. Primero se establece el número de puntos

que se desea conocer y se marcan los puntos en la imagen emergente. A partir de
aquí el proceso es el mismo que en las dos funciones anteriores para el caso de ví-
deo: se obtiene la intensidad de los puntos y se escala dicha intensidad para obtener
la temperatura. Esto se hace para cada fotograma. Finalmente se crea el vídeo. La
representación de los datos es el vídeo con los puntos marcados y la evolución de la
temperatura de dichos puntos a lo largo del tiempo.
&UHDFLyQGHGLUHFWRULR
,1,&,2
5HSUHVHQWDUIRWRJUDPDLFRQORV
(VWDEOHFHUQ~PHURGH SXQWRVPDUFDGRVHYROXFLyQ
SXQWRV WHPSHUDWXUDGHFDGDSXQWR
0DUFDUSXQWRVHQODLPDJHQ
6, *XDUGDULPDJHQ
2EWHQHULQWHQVLGDGHQODV
¢LQ~PHURGH
FRRUGHQDGDVGHORVSXQWRV
IRWRJUDPDV"
12
REWHQHUODWHPSHUDWXUD
0RQWDUYtGHRFRQODV
LPiJHQHVJXDUGDGDV
¢LQ~PHURGH
6, 12
IRWRJUDPDV"
),1
Fig. 4.15. Diagrama de flujo de la acción temperatura puntos para vídeo [Elaboración propia]
Alarma
La función de alarma consiste en señalar en la imagen las zonas donde la tempe-

ratura sea igual, mayor, menor o esté entre unas temperaturas que el usuario esta-
blezca. Esta es la función más complicada de todas y la que más tarda en compara-
ción con las otras. Esto se debe a que, en las funciones anteriores, solo se trabajaba
con las intensidades de los píxeles de una línea, de un área o de varios puntos, pero
en este caso va a haber que analizar cada píxel de la imagen. A esto se le añade que
para modificar los colores hay que utilizar la matriz tridimensional, aumentando coste
computacional al proceso. En la Figura 4.16 se muestra el diagrama de flujo para la
opción de alarma en el módulo de imagen.
43
,1,&,2
0RVWUDUSDQHO23&,21(6
$/$50$
(OHJLU
,JXDOPD\RUPHQRUHQWUH
&RORU
(VWDEOHFHUWHPSHUDWXUDV
DODUPD
&RQYHUWLUWHPSHUDWXUDD
LQWHQVLGDG
LQWBDODUPD
(OHFFLyQ
5HSUHVHQWDUIRWRJUDPDFRQORV
0(125 0$<25 (175( St[HOHVFDPELDGRVGHFRORU
,*8$/
LO

12
6,
),1
MP
6,
LPDJHQLM LQWBDODUPD

12
6, 12
&DPELDUFRORUSL[HO
M M
L L
Fig. 4.16. Diagrama de flujo de la acción alarma para imagen [Elaboración propia]
Lo complicado de este proceso es que, hay que evaluar cada intensidad cada
posición de la matriz de la imagen de escala de grises. Esto en una única foto no
es problema pero cuando se está analizando un vídeo, hacerlo para cada fotograma
puede demorarse tiempo.
44
El usuario establece el color con el que se va a marcar en la imagen las zonas

deseadas y el rango de temperaturas que va a querer. Las temperaturas se convier-
ten a intensidad interpolando para luego compararlas. En el diagrama, los bloques
con puntos suspensivos, se sustituyen por todo el bloque de la opción “IGUAL”, ex-
ceptuando el bloque donde pone imagen(i,j) = int_alarma que es el que cambia. La
letra l corresponde al número filas de la matriz y la m a las columnas (resolución de
la imagen). El texto del bloque que cambia es el siguiente según la opción:
IGUAL. imagen(i,j) = int_alarma
MENOR. imagen(i,j) <int_alarma
MAYOR. imagen(i,j) >int_alarma
ENTRE. imagen(i,j) >int_inf_alarma and imagen(i,j) <int_sup_alarma
Se evalúa cada píxel según la condición y en el caso de cumplirla se cambia

de color, y en el caso de no cumplirla se deja como está. Para el vídeo se hace esto
para cada fotograma, luego se representa y se monta el vídeo, como en las funciones
anteriores.
45
5. EJEMPLO DE USO DE LA APLICACIÓN
Lo primero para poder utilizar la aplicación es instalarla en la sección de apps de

MATLAB. Para hacer esto hay que seguir los siguientes pasos:
1. Ir al menú de MATLAB “APPS” y pulsar “Install App” (Figura 5.1 izquierda).
2. Seleccionar el archivo descargado con extensión “.mlappinstall”. (Figura 5.1

derecha).
3. Pulsar desplegar dentro de “APPS” el menú con todas las aplicaciones y selec-
cionar dentro de “My Apps” la aplicación recién instalada (Figura 5.2).
Fig. 5.1. Pasos de instalación (1 y 2). [Elaboración propia]
Fig. 5.2. Pasos de instalación (3). [Elaboración propia]
Una vez se ejecuta la aplicación aparece la ventana mostrada en la Figura 4.9.

El usuario decide aquí qué módulo utilizar. En la Sección 5.1 y la Sección 5.2 se
muestran las ventanas con los resultados para cada una de las acciones del módulo
de análisis de imágenes y vídeo respectivamente.
46
Módulo análisis de imágenes. Se ha escogido una foto de un neumático

trasero de una moto poco después de ser aparcada. Se puede comprobar
mirando el perfil de temperaturas de la Figura 5.4 cómo el neumático sigue
caliente en su zona de contacto (zona central) y cómo progresivamente se va
enfriando hasta que la línea llega al suelo, mucho más caliente (picos de los
exteriores). En el gráfico están representados la máxima temperatura (triángulo
rojo) y la mínima (triángulo azul). En la zona central de mayor temperatura, exis-
ten dos mínimos que se corresponden con las dos hendiduras del neumático
que, al no tocar el suelo se mantienen frías.
En la Figura 5.5 se ve la ventana para la acción de temperatura media un área.
En la Figura 5.6 se encuentra a la izquierda la imagen con los puntos marcados.
Nótese la utilidad de elegir los colores de los puntos ya que, en la zona de
menos temperatura (morada), el verde contrasta muy bien pero en la parte del
suelo no, por lo que se ha escogido el color negro. En la parte derecha se
muestran la tabla que contiene el número del punto, las coordenadas en la
imagen y el valor de la temperatura; también se muestran los valores en un
gráfico de barras.
Por último en la Figura 5.5 se ha establecido una alarma para mostrar en color
verde las zonas de la imagen donde la temperatura esté entre 30 y 35 o C (se
establece en el panel inferior de “Opciones de alarma”).
Módulo análisis de vídeos. Para el ejemplo de este módulo se ha escogido un

vídeo realizado a un rodamiento (marca roja) en un banco de ensayos (Figura
5.3) para demostrar la utilidad de la termografía en el mantenimiento. En es-
te tipo de máquinas se ensayan rodamientos y ejes con fallos y desequilibrios,
monitorizando las vibraciones. Posteriormente se buscan patrones en los resul-
tados para relacionarlos con los fallos y aplicarlos al mantenimiento predictivo.
Fig. 5.3. Banco de ensayos para rodamientos y ejes. [Elaboración propia]
Con las cámaras termográficas se puede ver si dependiendo del defecto se ca-
47
lienta más la cara externa o la cara interna del rodamiento, si hay un sobreca-
lentamiento general etc. y luego poder relacionarlo con los patrones obtenidos
con el análisis de vibraciones.
Se ha grabado el rodamiento con el eje girando a velocidad constante. Puede
verse claramente el amento de temperatura con las cuatro funciones:
- Con el perfil de temperaturas vemos como tanto la cara externa como la

cara interna se calientan, llegando a más temperatura la primera. (Figuras
5.8, 5.9 y 5.10).
- La temperatura media en la zona marcada asciende en 3 o C a lo largo del
proceso (Figuras 5.11, 5.12, 5.13).
- Para la función de temperatura en puntos se han establecido cinco puntos,
tres en la cara exterior y dos en la interior. Se puede comprobar cómo la
temperatura asciende progresivamente en todos los puntos (Figuras 5.14,
5.15, 5.16).
- Por último, y seguramente la acción más útil para el ámbito del mante-
nimiento, se ha establecido una alarma que muestre en verde las zonas
donde la temperatura supere los 30 o C. Puede verse como poco a poco
más zonas están a esta temperatura. Además, la cara exterior la alcanza
antes (Figuras 5.17, 5.18).
En las siguientes imágenes pueden verse tanto la utilidad de la aplicación como

todas las características de la interfaz de usuario explicadas en los capítulos anterio-
res.
48
5.1. Módulo de análisis de imágenes
Fig. 5.4. Pantalla del módulo de análisis termográfico de imágenes con acción perfil de tem-
peraturas. [Elaboración propia]
49
Fig. 5.5. Pantalla del módulo de análisis termográfico de imágenes con acción temperatura
en área. [Elaboración propia]
50
Fig. 5.6. Pantalla del módulo de análisis termográfico de imágenes con acción temperatura
en puntos. [Elaboración propia]
51
Fig. 5.7. Pantalla del módulo de análisis termográfico de imágenes con acción alarma. [Ela-
boración propia]
52
5.2. Módulo de análisis de vídeo
5.2.1. Perfil de temperaturas
Fig. 5.8. Perfil de temperaturas para el fotograma 4. [Elaboración propia]
53
5.2.2. Temperatura media en área
Fig. 5.11. Temperatura media área para el fotograma 24. [Elaboración propia]
Fig. 5.12. Temperatura media en área para el fotograma 840. [Elaboración propia]
Fig. 5.13. Temperatura media en área para el fotograma 1102. [Elaboración propia]
54
5.2.3. Temperatura en puntos
Fig. 5.14. Temperatura en cinco puntos para el fotograma 26. [Elaboración propia]
55
5.2.4. Alarma de temperatura
Fig. 5.17. Alarma de temperatura superior a 30 o C para los fotogramas 3 y 234. [Elaboración
propia]
Fig. 5.18. Alarma de temperatura superior a 30 o C para los fotogramas 586 y 1102. [Elabora-
ción propia]
56
6. PLANIFICACIÓN Y PRESUPUESTO
6.1. Planificación
El proyecto se ha llevado a cabo en tres partes diferenciadas, que se correspon-

den con el cumplimiento de los objetivos planteados:
Primera parte. Se corresponde con la parte del planteamiento del proyecto

y documentación. Se estudiará la literatura existente para conocer los funda-
mentos del mantenimiento de la termografía y del procesamiento de imágenes
digitales, así como aprender el manejo y funcionamiento de la cámara. También
se llevará a cabo el aprendizaje de la herramienta MATLAB App Designer, que
será la que se utilice para el desarrollo de la aplicación.
Segunda parte. En esta segunda parte se realizará el diseño y desarrollo de

la aplicación. Primero se hará la correspondiente al tratamiento de imágenes y
luego se adaptará para vídeo. Una vez establecida la base se irá desarrollando,
ampliando y corrigiendo los fallos que vayan apareciendo.
Tercera parte. En la tercera y última parte se realizarán los ejemplos. Para

finalizar se llevará a cabo la elaboración de la presente memoria.
A continuación (Figura 6.1) se muestra el diagrama de Gantt correspondiente al

proyecto, donde se indican más detalladamente los tiempos y las acciones que se
han llevado a cabo.
Nombre de la Actividad Fecha de inicio Duración (días) Fecha Final Inicio Proyecto 43860,00
Documentación 30-eneDIAGRAMA DE GANTT.182 TRABAJO30-jul
Final Proyecto DE FIN DE MASTER.
44058,00
Aprendizaje MATLAB App Designer 30-ene 31 01-mar
Aprendizaje utilización cámara térmica 01-feb 21 22-feb DÍAS
Programación de código para imagen en MATLAB tradicional 01-mar 53 23-abr
Implementación código para imagen en App Designer 15-abr 30
30-ene
15-may
19-feb 10-mar 30-mar 19-abr 09-may 29-may 18-jun 08-jul 28-jul 17-ago
Adaptación de código para vídeo en MATLAB tradicional 15-may 15 30-may
Implementación código para vídeo en App Designer 20-may 26 15-jun
Desarrollo y mejora de la aplicación 15-marDocumentación 137 30-jul
Ejemplo práctico 15-jul 15 30-jul
Redacción de la memoria 15-jul 31 15-ago
Aprendizaje MATLAB App Designer
Aprendizaje utilización cámara térmica
Programación de código para imagen en MATLAB tradicional

ACTIVIDADES
Implementación código para imagen en App Designer
Adaptación de código para vídeo en MATLAB tradicional
Implementación código para vídeo en App Designer
Desarrollo y mejora de la aplicación
Ejemplo práctico
Redacción de la memoria
Fig. 6.1. Diagrama de Grantt. [Elaboración propia]
57
6.2. Presupuesto
En este apartado se ha elaborado el presupuesto del proyecto, indicando los cos-

tes que conllevan la realización del trabajo. Es un presupuesto sencillo ya que no ha
sido necesario adquirir activos nuevos ni licencias, por lo que únicamente se tienen
costes de personal y costes de amortización.
6.2.1. Costes de personal
En la Tabla 6.3 se muestran los costes correspondientes al pago de personal

involucrado en el proyecto. En este caso están el Ingeniero Junior, autor del trabajo,
y el Ingeniero Senior, en este caso la tutora, que se ha encargado de la revisión del
mismo. El coste total de personal es de 6000,00 e.
Coste personal
Personal Coste horario (e/h) Horas (h) Coste total (e)
Ingeniero Junior 15,00 360 5400,00
Ingeniero Senior 30,00 20 600,00
Coste total personal 6000,00
TABLA 6.1. COSTES PERSONAL
6.2.2. Costes de amortización
Costes de amortización
Tiempo de
Tiempo de
Concepto Coste unitario (e) amortización Coste total (e)
uso (meses)
(meses)
Ordenador
1400,00 48 6 175,00
(MSI GL65 95EK)
Cámara térmica
9999,00 30 1,5 499,95
(FLIR E95 42o )
Licencia
120,00 48 6 15,00
Windows 10
Licencia MATLAB
0,00 - - 0,00
(Estudiante)
Coste total
589,95
de amortización
TABLA 6.2. COSTES DE AMORTIZACIÓN
58
Los costes del material amortizable se reflejan en la Tabla 6.2. Para el cálculo de
estos se ha utilizado la fórmula de la Ecuación 6.1.
Coste total (e) · Tiempo utilizado (meses)

Coste amortización (e) = (6.1)
Tiempo de amortización (meses)
6.2.3. Costes totales
Los costes finales del proyecto, incluyendo los costes de personal junto los costes
de amortización es de 6.589,95 e (Tabla 6.3).
Costes totales
Concepto Coste (e)
Costes de personal 6.000.00
Costes de material amortizable 589,95
Costes totales 6.589,95
TABLA 6.3. COSTES TOTALES DEL PROYECTO
59
7. CONCLUSIONES
El objetivo del trabajo ha sido completado con éxito pese a todos los problemas
derivados de la pandemia por el Covid-19. Se ha diseñado y desarrollado una aplica-
ción para obtener y analizar los datos de temperatura tanto de imágenes como vídeos
termográficos. Para el correcto diseño se ha estudiado y comprendido el estado del
arte relacionado con la termografía, el mantenimiento y el análisis de imágenes digi-
tales. También se ha aprendido a programar en lenguaje .m en el módulo MATLAB
App Designer para crear la interfaz gráfica.
Por último se han mostrado dos ejemplos muy gráficos para explicar la interfaz y
la utilidad del programa, sobre todo en el ejemplo del rodamiento, que demuestra el
potencial de la termografía en el ámbito del mantenimiento y el mantenimiento 4.0.
7.1. Trabajos futuros
- El primero de los trabajos que ha de hacerse es extender la aplicación para el

análisis de imágenes captadas con cualquier cámara (no únicamente de marca
FLIR) y con cualquier paleta de color (no solo “acero”). Este es el principal desa-
rrollo que ha de hacerse para ampliar el rango de utilización de la aplicación.
Para ello será necesario hacer una base de datos con las cámaras termográ-
ficas más importantes y las coordenadas de sus escalas, o hacer la detección
de los límites mediante inteligencia artificial.
- Optimización de los procesos en el módulo de vídeo para que estos lleven

menor tiempo. Esto va ligado también al primero de los trabajos futuros ya
que, para poder analizar fotos con otras paletas de colores, se va a tener que
trabajar con colores (tres intensidades) en vez de con escala de grises (una
intensidad) por lo que las interpolaciones y evaluaciones serán mucho más
costosas computacionalmente.
- Añadir una opción de análisis rápido donde, en lugar de analizar cada fotogra-
ma, lo haga cada cuatro o cinco, para tener una visión rápida del comporta-
miento del componente.
- Añadir opción para conectar la cámara en live-view y tener los resultados en

realidad aumentada de cara a las aplicaciones de mantenimiento 4.0.
- Desarrollar más acciones para el tratamiento y análisis de los datos, corrección

de pequeños errores y añadir más avisos y advertencias.
- Realizar el montaje de la cámara en el kart y analizar el vídeo termográfico de

los neumáticos con la aplicación desarrollada. Para ello es necesario el diseño
60
de todo el sistema. En primer lugar se debe diseñar una carcasa que proteja la
cámara, cuyo diseño ya se ha comenzado, mostrado en la Figura 7.1.
Fig. 7.1. Diseño de carcasa para la cámara termográfica FLIR One. [Elaboración propia]
El diseño está orientado a a la fabricación aditiva con técnicas de impresión

3D, de manera que para la impresión de cada parte no se necesita imprimir so-
portes. Además, debido a su geometría, en caso de necesitar más protección,
puede utilizarse como núcleo para recubrirlo con materiales compuestos, como
fibra de carbono o fibra de vidrio.
61
BIBLIOGRAFÍA
[1] F. 1, Vuelta de calentamiento y accidente de Di Resta camara termica F1 - mon-

za 2013, 9Septiembre 2013 (Acceso: 04 Agosto 2020). [En línea]. Disponible
en: https://www.youtube.com/watch?v=bmy4FcMHF7w.
[2] InfraTec, Infrared Radiation, Unknown (Acceso: 23 Julio 2020). [En línea]. Dis-
ponible en: https : / / www . infratec - infrared . com / sensor - division /
service-support/glossary/infrared-radiation/.
[3] FLIR, Manual del usario Serie FLIR Exx.
[4] R. Gade y T. Moeslund, «Thermal cameras and applications: A survey», Machi-
ne Vision and Applications, vol. 25, pp. 245-262, ene. de 2014. doi: 10.1007/
s00138-013-0570-5.
[5] Wikipedia, Infrared window, 20 Junio 2020 (Acceso: 03 Agosto 2020). [En lí-
nea]. Disponible en: https://en.wikipedia.org/wiki/Infrared_window.
[6] R. Usamentiaga et al., «Infrared Thermography for Temperature Measurement
and Non-Destructive Testing», Sensors (Basel, Switzerland), vol. 14, pp. 12 305-12 348,
jul. de 2014. doi: 10.3390/s140712305.
[7] I. R. Méndez-Pérez, «BASES FíSICAS DE LA RADIACIóN SOLAR», Prontua-
rio solar, p. 33,
[8] FLIR, «Guía de termografía para mantenimiento preductivo».
[9] A. Koschan et al., «Thermal Modeling and Imaging of As-built Vehicle Compo-
nents», abr. de 2006. doi: 10.4271/2006-01-1167.
[10] UNED, «Tema 8: Otras técnicas de diagnóstico», Apuntes Mantenimiento 4.0.
[11] SensorVB, WHAT IS THERMAL IMAGING?, Unknown (Acceso: 23 Julio 2020).
[En línea]. Disponible en: https://www.sensorbv.nl/en/about-us/what-
is-thermography/.
[12] FLIR, Utilice materiales de bajo coste para aumentar la emisividad del objetivo,
16 Junio 2020 (Acceso: 23 Julio 2020). [En línea]. Disponible en: https: //
www.flir.com/discover/rd-science/how-do-thermal-cameras-work/.
[13] H. Tran, D. Han, C. Kang, A. Haldar y J. Huh, «Effects of Ambient Temperature
and Relative Humidity on Subsurface Defect Detection in Concrete Structures
by Active Thermal Imaging», Sensors, vol. 17, p. 1718, jul. de 2017. doi: 10.
3390/s17081718.
[14] FLIR, Utilice materiales de bajo coste para aumentar la emisividad del objetivo,
5 Noviembre 2015 (Acceso: 12 Junio 2020). [En línea]. Disponible en: https:
//www.flir.es/discover/rd-science/use-low-cost-materials-to-
increase-target-emissivity/.
62
[15] Unknown, CAT S60 Smartphone with Thermal Camera – Extensive Test (+
Photos), Unknown (Acceso: 05 Agosto 2020). [En línea]. Disponible en: http:
//thermal- review.com/review/cat- s60- smartphone- with- thermal-
camera-extensive-test-photos/.
[16] J. Htich, A Brief History of Thermal Cameras, 10 Agosto 2016 (Acceso: 03
Agosto 2020). [En línea]. Disponible en: https://www.newequipment.com/
technology-innovations/media-gallery/22058767/a-brief-history-
of-thermal-cameras/slideshow?slide=11.
[17] Unknown, Thermography in Medicine, Undated (Acceso: 12 Junio 2020). [En lí-
nea]. Disponible en: https://www.infratec-infrared.com/thermography/
industries-applications/medicine/.
[18] P. Quintana, Termografía en motores eléctricos, Mayo 2016 (Acceso: 12 Junio
2020). [En línea]. Disponible en: http://www.emb.cl/electroindustria/
articulo.mvc?xid=2762.
[19] Unknown, Infrared Cameras for Plant Inspections, Undated (Acceso: 12 Junio
2020). [En línea]. Disponible en: https://www.infratec.co.uk/thermography/
industries-applications/plant-inspection/.
[20] ——, Thermography Surveys, Undated (Acceso: 12 Junio 2020). [En línea].
Disponible en: https : / / fenestrology . co . uk / course / thermography -
surveys/.
[21] FlirSystems, Electronic Component Testing: A Non-Contact Sport, Septiembre
2015 (Acceso: 12 Junio 2020). [En línea]. Disponible en: https : / / www .
electronicdesign . com / technologies / test - measurement / article /
21800979/electronic-component-testing-a-noncontact-sport.
[22] rgbcmyk, Muestreo de una imagen, Unknown (Acceso: 03 Agosto 2020). [En
línea]. Disponible en: http://rgbcmyk.com.ar/es/gutenberg/pgd/2-1-
muestreo-de-una-imagen/.
[23] Unknown, Introducción a procesamiento digital de imágenes con Matlab, Unk-
nown (Acceso: 03 Agosto 2020). [En línea]. Disponible en: https : / / www .
unioviedo.es/compnum/laboratorios_web/laborat03_intro_imagen/
laborat03.html#7.
[24] R. Wainschenker, J. M. Massa y P. Tristan, Procesamiento Digital de Imágenes,
Clase Teórico Práctica No 1, 2011 (Acceso: 03 Agosto 2020). [En línea]. Dispo-
nible en: http://www.exa.unicen.edu.ar/catedras/pdi/FILES/TE/CP1.
pdf.
[25] Ihritik, MATLAB | RGB image representation, 25 Junio 2018 (Acceso: 03 Agosto
2020). [En línea]. Disponible en: https://www.geeksforgeeks.org/matlab-
rgb-image-representation/.
63
[26] REAL ACADEMIA ESPAÑOLA: Diccionario de la lengua española, 23.a ed,

[versión 23.3 en línea], (Acceso: 19-03-2020). [En línea]. Disponible en: https:
//dle.rae.es.
[27] UC3M, «Introducción al mantenimiento industrial», Apuntes de Mantenimiento
y Seguridad de Máquinas.
[28] UNED, «Tema 2: Introducción al mantenimiento de máquinas», Apuntes Man-
tenimiento 4.0.
[29] ——, «Tema 4: Planes y técnicas de mantenimiento», Apuntes Mantenimiento
4.0.
[30] Workana, ¿Qué es la interfaz gráfica de usuario GUI?, Unknown (Acceso: 04
Agosto 2020). [En línea]. Disponible en: https : / / www . workana . com / i /
glosario/que-es-la-interfaz-grafica-de-usuario-gui/.
[31] Unknown, ¿Qué es la interfaz gráfica de usuario?, Unknown (Acceso: 04 Agos-
to 2020). [En línea]. Disponible en: https://www.zorraquino.com/diccionario/
marketing-digital/que-es-interfaz-grafica-de-usuario.html.
[32] M. J. Lamarca Lapuente, La interfaz gráfica, Unknown (Acceso: 04 Agosto
2020). [En línea]. Disponible en: http://www.hipertexto.info/documentos/
interfaz.htm.
[33] G. Cid Espinosa, «Programación de interfaz gráfica en App Designer para el
control vectorial de motores de imanes permanentes», Tesis doct., Universidad
Politécnica de Madrid, jul. de 2018.
[34] MathWorks, MATLAB, Unknown (Acceso: 21 Julio 2020). [En línea]. Disponible
en: https://es.mathworks.com/discovery/what-is-matlab.html.
[35] EcuRed, MATLAB, 4Enero 2017 (Acceso: 21 Julio 2020). [En línea]. Disponible
en: https://www.ecured.cu/MATLAB.
[36] MathWorks, Crea una aplicación sencilla usando GUIDE, Unknown (Acceso: 04
Agosto 2020). [En línea]. Disponible en: https://es.mathworks.com/help/
matlab/creating_guis/about-the-simple-guide-gui-example.html.
[37] S. E. Flores Larsen y M. E. Hongn, «Termografía infrarroja en la edificación:
aplicaciones cualitativas», 2012.
64

Mh1-Tfm 255208 Ignacio Arespacochaga Lopez

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Mh1-Tfm 255208 Ignacio Arespacochaga Lopez

Uploaded by

Copyright:

Available Formats

Máster de Ingeniería en Máquinas y Transportes

Trabajo Fin de Máster

“Diseño y desarrollo de una aplicación

Ignacio Arespacochaga López

[Incluir en el caso del interés en su publicación en el archivo abierto]

La termografía es una tecnología que, con la irrupción del mantenimiento predicti-

- Perfil de temperaturas: el usuario dibuja un línea recta sobre la que se va a

- Temperatura en un área: el usuario establece un área rectangular donde se va

- Temperatura en puntos: el usuario establece los puntos donde desea conocer

- Alarma: se muestra en un determinado color las zonas de la imagen o vídeo que

Para poder realizar el diseño y programación de la interfaz gráfica, se ha realizado

Palabras clave: termografía, cámara térmica, mantenimiento, mantenimiento 4.0,

A mi familia y a Paula. A todo el grupo de investigación MAQLAB, especialmente

5.2. Módulo de análisis de vídeo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

1.1 Ejemplo de imágenes térmicas tomadas en un Formula 1 [1]. . . . . . 2

2.1 Espectro electromagnético [2]. . . . . . . . . . . . . . . . . . . . . . . 4

3.1 Diferencia entre GUI y CLI de Windows [Elaboración propia] . . . . . . 22

4.1 Diagrama de flujo del programa completo [Elaboración propia] . . . . . 28

4.2 Pantalla del módulo de análisis termográfico de imágenes. [Elabora-

5.1 Pasos de instalación (1 y 2). [Elaboración propia] . . . . . . . . . . . . 46

5.5 Pantalla del módulo de análisis termográfico de imágenes con acción

6.1 Diagrama de Grantt. [Elaboración propia] . . . . . . . . . . . . . . . . 57

7.1 Diseño de carcasa para la cámara termográfica FLIR One. [Elabora-

2.1 Subdivisiones del espectro infrarrojo. . . . . . . . . . . . . . . . . . . 5

6.1 Costes personal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58

Para entender la motivación de los objetivos del trabajo es necesario explicar la

- Investigación con termografía orientada al mantenimiento y diagnóstico de má-

- Implementación de un sistema termográfico en un kart de competición para la

Fig. 1.1. Ejemplo de imágenes térmicas tomadas en un Formula 1 [1].

El principal objetivo de este proyecto es el diseño y desarrollo de una GUI para

- Entender la importancia del mantenimiento y la posición de la termografía den-

- Conocer las bases teóricas de la termografía, las cámaras térmicas, el proce-

- Aprendizaje del funcionamiento de MATLAB App Designer para el desarrollo de

- Programación y desarrollo de la aplicación para el tratamiento tanto de imáge-

- Realización de ejemplos práctico para explicar y mostrar el funcionamiento de

2. ESTADO DEL ARTE

2.1. Fundamentos de la termografía

Antes de diseñar y desarrollar el programa para el tratamiento de las imágenes,

2.1.1. Espectro electromagnético

El espectro electromagnético (Figura 2.1) es el conjunto de las diferentes radia-

Fig. 2.1. Espectro electromagnético [2].

Lo que diferencia a unos tipos de radiación de otros es su longitud de onda (λ) y la

Nombre Abreviatura Wavelength

TABLA 2.1. SUBDIVISIONES DEL ESPECTRO INFRARROJO.

Nombre Abreviatura Wavelength

TABLA 2.2. SUBDIVISIONES DEL INFRARROJO PARA CÁMARAS

2.1.2. Principios de la termografía infrarroja

- Absortividad (αλ ). Es la fracción radiación absorbida por la superficie.

- Reflectividad (ρλ ). Es la fracción radiación reflejada por la superficie.

- Transmisividad (τλ ). Es la fracción radiación transmitida por la superficie.

El subíndice λ se debe a que son dependientes de la longitud de onda [3]. La

En el caso de materiales opacos, no se transmite nada de radiación (τλ = 0) por

- h: constante de Plank con un valor de h = 6.6 × 10−34 J s−1 .

- c: velocidad de la luz con un valor de c = 3 × 10−8 m s−1 .

- k: constante de Boltzman con un valor de c = 1.4 × 10−23 J K−1 .

- T : temperatura absoluta del cuerpo negro en Kelvin (K).

- λ: longitud de onda en µm.

Si se representa la radiación infrarroja con respecto a la longitud de onda para un

Fig. 2.4. Curvas de Plank de un cuerpo negro a diferentes temperaturas [4].

A partir de la Figura 2.4 se extraen dos conclusiones: la primera es que a medida

siendo σ la constante de Stefan-Boltzmann (σ ≈ 5.670 373 × 10−8 W/(m2 K4 )). La

longitud de onda, ángulo y temperatura” [3]. Esta relación viene expresada en la

Cuerpo gris: ε siempre menor que 1.