Detección y clasificación de elementos de fijación aeronáutica mediante técnicas de machine learning

Resumen

Resumen de la tesis: El sector aeronáutico es uno de los principales motores económicos y tecnológicos de la industria actual, habiendo experimentado un crecimiento sostenido durante las últimas décadas. En este marco, se están realizando importantes inversiones para la automatización de procesos, con el objetivo de mejorar las precisión y calidad global de los mismos y al mismo tiempo reducir los tiempos de fabricación. Los sistemas de medición sin contacto, y en concreto aquellos basados en visión artificial son usualmente empleados en diferentes fases de los procesos de fabricación, tanto para el correcto posicionamiento de piezas, como para la verificación de calidad del proceso llevado a cabo. Los sistemas de visión actuales están usualmente basados en técnicas convencionales de procesado de imagen como la segmentación por niveles de intensidad, o la detección de blobs. Estas técnicas están limitadas en cuanto a la amplitud de escenarios que son capaces de abordar con garantías, de modo que es necesario un estricto control de las condiciones de iluminación y limpieza de las superficies a inspeccionar. En esta Tesis Doctoral, con mención “Industrial” realizada en la empresa MTorres Diseños Industriales S.A.U. en el marco del proyecto CDTI “Nuevas uniones de estructuras aeronáuticas” (IDI-20180754), se introduce un sistema de detección de elementos de referenciación aeronáutica basado en técnicas de machine learning, que consigue localizar de forma precisa dichos elementos incluso en escenarios adversos, mejorando las prestaciones de los sistemas basados en técnicas convencionales. El sistema desarrollado realiza además una categorización de los elementos detectados, de modo que permite la implementación de mejoras en el proceso de fabricación, asignando una respuesta especializada en función de la categoría detectada. Finalmente, se ha compilado una biblioteca de imágenes, procedentes de máquinas diversas, que ha permitido efectuar el entrenamiento de la red neuronal desarrollada. Esta biblioteca de imágenes queda disponible además para evaluar la efectividad de diferentes algoritmos y modelos de redes neuronales, acelerando el desarrollo y evolución de las técnicas de detección. http://repositorio.bib.upct.es/dspace/