Módulo robótico para la clasificación de lulos (Solanum Quitoense) implementando visión artificial

• Contreras Parada, Pedro Alexander ^[1] ; Peña Cortés, César Augusto ^[1] ; Riaño Jaimes, Cristhian Iván ^[1]
  1. [1] Universidad de Pamplona

     Universidad de Pamplona

     Colombia

     
• Localización: INGE CUC, ISSN 0122-6517, ISSN-e 2382-4700, Vol. 10, Nº. 1, 2014, págs. 51-62
• Idioma: español
• Títulos paralelos:
  • Robotic Module for Lulo (Solanum Quitoense) Classification Using Computer Vision
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En este artículo se expone el diseño e implementación de un módulo robótico para la clasificación de lulos integrando técnicas de control, visión artificial y robótica. El proceso que permite la clasificación de lulos opera sobre algoritmos para el control de un brazo robótico de 5 GDL, que basado en la información obtenida con técnicas de visión de artificial permite seleccionar lulos con características previamente definidas por el usuario, como son tamaño, color e imperfecciones en el fruto. Se inicia realizando un diseño CAD del módulo, el cual permite establecer las propiedades físicas, definir materiales, técnicas de fabricación y realizar estudio de movimiento de los distintos mecanismos involucrados en el proceso. Se implementaron los algoritmos de control, la cinemática del brazo robótico y los algoritmos de visión artificial. El resultado se resume en un módulo robótico de carácter académico que permite la clasificación de lulos.

  • English

    This paper describes the design and implementation of a robotic module for Solanum Quitoense classification using control techniques, computer vision and robotics. The process that allows the classification of Solanum Quitoense (or lulo) operates on algorithms to control a 5 degrees-of-freedom robotic arm that, based on the information obtained from computer vision techniques, selects lulos with features previously defined by the user, such as size, color, and imperfections in the fruit. Everything starts by making a CAD module design which allows establishing physical properties, defining materials and manufacturing techniques and performing a motion study of the different mechanisms involved in the process. Subsequently, control algorithms, robotic arm kinematics and computer vision algorithms are implemented. The result is summarized in an academic-based robotic module that allows lulo classification.