| Journal: | Facultad de Ingeniería - Universidad Pedagógica y Tecnológica de Colombia |
| Database: | PERIÓDICA |
| System number: | 000441669 |
| ISSN: | 0121-1129 |
| Authors: | Ramírez Arias, José Luis1 Rubiano Fonseca, Astrid1 Jiménez Moreno, Robinson1 |
| Institutions: | 1Universidad Militar Nueva Granada, Cajicá, Cundinamarca. Colombia |
| Year: | 2020 |
| Season: | Ene-Mar |
| Volumen: | 29 |
| Number: | 54 |
| Country: | Colombia |
| Language: | Inglés |
| Document type: | Artículo |
| Approach: | Experimental, aplicado |
| Spanish abstract | En el presente artículo se describe una metodología para el reconocimiento de objetos, los cuales se han clasificado en poliedros y no poliedros, este reconocimiento se logra mediante procesamiento digital de imágenes combinada con el uso de algoritmos de inteligencia artificial, como son las redes neuronales de Hopfield. En una primera etapa se procesa las imágenes, con el fin de obtener los patrones a entrenar, dicho proceso fue desarrollado en tres etapas: i.) Segmentación, ii.) Reconocimiento inteligente, iii.) Extracción de características, a partir de los resultados obtenidos, en este caso imágenes de los objetos, estos elementos se entrenan en la red neuronal diseñada, finalmente se hace uso de la red neuronal de Hopfied propuesta, la cual, al recibir un nuevo elemento o imagen de un objeto, determinará el tipo de objeto. La metodología propuesta fue evaluada en un ambiente real, mostrando un amplio número de imágenes detectadas, la incertidumbre al reconocer imágenes ruidosas, representa el 2,6% de la muestra, ofreciendo una respuesta aceptable frente a condiciones de luz, forma y color variables, los resultados obtenidos a partir del experimento evidencian un grado alto de reconocimiento del 97.4%, consecuentemente, a partir de este procedimiento es posible entrenar nuevos patrones con nuevas formas, y se espera que este modelo de reconocimiento sea capaz de reconocer patrones completamente nuevos. La metodología propuesta potencialmente puede ser utilizada en diferentes aplicaciones, como es la identificación de objetos en procesos industriales, funciones de agarre de objetos mediante el uso de manipuladores o brazos robóticos, en el área de la rehabilitación como ayuda a personas con limitaciones visuales, entre otras |
| English abstract | This paper describes a methodology for object recognition categorized as polyhedron and non-polyhedron. This recognition is achieved through digital image processing combined with artificial intelligence algorithms, such as Hopfield networks. The procedure consists of processing images in search of patterns to train the system. The process is carried out through three stages: i) Segmentation, ii) Smart recognition, and iii) Feature extraction; as a result, images of objects are obtained and trained in the designed neuronal network. Finally, Hopfield's network is used to establish the object type as soon as it receives one. The proposed methodology was evaluated in a real environment with a considerable number of detected images; the noisy images recognition uncertainty was 2.6%, an acceptable result considering variable light, shape and color. The results obtained from this experiment show a high recognition level, which represents 97.4%. Out of this procedure, we can assume that it is possible to train new patterns, and it is expected that the model will be able to recognize them. Potentially, the proposed methodology could be used in a vast range of applications, such as object identification in industrial environments, grasping objects using manipulators or robotic arms, tools for blind patients, among other applications |
| Portuguese abstract | No presente artigo descreve-se uma metodologia para o reconhecimento de objetos, os quais se tem classificado em poliedros e não poliedros, este reconhecimento logra-se mediante processamento digital de imagens combinada com o uso de algoritmos de inteligência artificial, como são as redes neuronais de Hopfield. Em uma primeira etapa processam-se as imagens, com o fim de obter os padrões para treinar, dito processo foi desenvolvido em três etapas: i.) Segmentação, ii.) Reconhecimento inteligente, iii.) Extração de características, a partir dos resultados obtidos, neste caso imagens dos objetos, estes elementos treinam-se na rede neuronal desenhada, finalmente faz-se uso da rede neuronal de Hopfied proposta, a qual, ao receber um novo elemento ou imagem de um objeto, determinará o tipo de objeto. A metodologia proposta foi avaliada em um ambiente real, mostrando um amplo número de imagens detectadas; a incerteza ao reconhecer imagens ruidosas, representa 2,6% da amostra, oferecendo uma resposta aceitável frente a condições de luz, forma e cor variáveis, os resultados obtidos a partir do experimento evidenciam um grau alto de reconhecimento de 97.4%, consequentemente, a partir deste procedimento é possível treinar novos padrões com novas formas, e espera-se que este modelo de reconhecimento seja capaz de reconhecer padrões completamente novos. A metodologia proposta potencialmente pode ser utilizada em diferentes aplicações, como é a identificação de objetos em processos industriais, funções de agarre de objetos mediante o uso de manipuladores ou braços robóticos, na área da reabilitação como ajuda a pessoas com limitações visuais, entre outras |
| Disciplines: | Ciencias de la computación |
| Keyword: | Procesamiento de datos, Inteligencia artificial, Procesamiento de imágenes, Operaciones morfológicas, Reconocimiento de objetos, Red de Hopfield, Redes neuronales |
| Keyword: | Data processing, Artificial intelligence, Image processing, Hopfield network, Morphologic operations, Neuronal networks, Object recognition |
| Full text: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
