Pruebas de estanqueidad en envases de tereftalato de polietileno basado en máquina de soporte vectorial

• Luis Francisco Niño Sierra ^[1] ; Darío Amaya Hurtado ^[1] ; Oscar Fernando Avilés ^[1]
  1. [1] Universidad Militar Nueva Granada

     Universidad Militar Nueva Granada

     Colombia

     
• Localización: Ingeniare: Revista Chilena de Ingeniería, ISSN-e 0718-3305, ISSN 0718-3291, Vol. 23, Nº. 4, 2015, págs. 630-637
• Idioma: español
• Títulos paralelos:
  • Leak tests on polyethylene terephthalate containers based on support vector machine
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En este trabajo se presentan los resultados de la implementación de un algoritmo basado en Máquina de Soporte Vectorial (SVM por sus siglas en inglés, Support Vector Machine), sobre la plataforma de National Instruments Compaq Rio, abreviado por el fabricante cRio, para la detección de fugas en envases de tereftalato de polietileno (PET por sus siglas en inglés, polyethylene terephtalate). Para cumplir con esto se realiza la adquisición y procesamiento de señales de presión diferencial para luego mediante un modelo de decisión determinar si el envase presenta fuga o no. Existen muchas herramientas de procesamiento digital de señales, sin embargo en aplicaciones de clasificación las SVM han demostrado ser una muy buena alternativa. Las SVM requieren de un proceso de entrenamiento, que se realiza a partir de señales de las que se conoce la clase a la que pertenecen. Luego de su entrenamiento se realiza un programa mediante el cual se realiza la clasificación de una nueva botella. El algoritmo final es implementado sobre el sistema Compac Rio de National Instruments, para aplicación en línea.

  • English

    In this paper we present the results of implementing an algorithm based on Support Vector Machine (SVM) on the National Instruments platform Compaq Rio, abbreviated cRio for the detection of Polyethylene terephthalate (PET) containers leakage. To accomplish this, the acquisition and processing the differential pressure signal is performed and then using a decision model to determine whether the package leaks or not. There are many tools for digital signal processing, however in the SVM classification applications have proven to be a very good alternative. The SVM requires a training process, performed based on signals which are known class to which they belong. After this training, a classification is performed in a new bottle. The final algorithm is implemented on the cRio National Instruments system for online application.