Visión artificial basada en redes neuronales convolucionales para detectar defectos en botellas vacías de vidrio para una planta embotelladora

Abstract

La presente tesis “Visión artificial basada en redes neuronales convolucionales para detectar defectos en botellas vacías de vidrio para una planta embotelladora” está planteada para demostrar, de una manera preexperimental en una línea de inspección para una planta embotelladora, que se puede detectar los defectos en botellas vacías de vidrio, utilizando la visión artificial basada en redes neuronales convolucionales. En una embotelladora, existe la línea de producción de inspección de las botellas vacías de vidrio retornables, antes de que ingrese el producto final a ser envasado, esta línea está después del proceso de limpieza (lavado y desinfección) de estas botellas vacías de vidrio; dentro de la inspección, se presentan algunos defectos, los dos principales son: a. Presencia de suciedad persistente pegada en las botellas de vidrio. b. Presencia de rajaduras en las botellas de vidrio. Para lograr la detección de estos tipos de defectos, se plantea en esta tesis, la utilización de visión artificial por computador diseñada con una red neuronal convolucional, desarrollado en el lenguaje de programación Python de código abierto.

This present thesis “Artificial vision based on convolutional neural networks to detect defects in empty glass bottles for a bottling plant” is proposed to demonstrate, in a preexperimental way in an inspection line for a bottling plant, that can to detect the defects in empty glass bottles, using artificial vision based on convolutional neural networks. In a bottling machine, there is the inspection production line of the returnable empty glass bottles, before the final product to be packaged enters, this line is after the cleaning process (washing and disinfection) of these empty glass bottles; within the inspection, there are some defects, the two main ones are: a. Presence of persistent dirt stuck in the glass bottles. b. Presence of cracks in the glass bottles. To achieve the detection of these types of defects, is proposed in this thesis, the use of artificial vision by computer designed with a convolutional neural network, developed in the open source Python programming language.