Mostrar el registro sencillo del ítem

dc.contributor.authorRuiz Lozano, Leandro 
dc.date.accessioned2021-06-21T08:06:31Z
dc.date.available2021-06-21T08:06:31Z
dc.date.issued2021
dc.description.abstract[SPA] 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. [ENG] The aerospace sector is one of the main economic and technological drives of todayʹs industry, having experienced sustained growth during the last decades. Within this framework, significant investments are being made to automate processes, with the aim of improving their accuracy and overall quality while reducing manufacturing times. Non‐contact measurement systems, and specifically those based on artificial vision, are usually used in different phases of the manufacturing process, both for the correct positioning of parts, and for the quality verification of the process carried out. Current vision systems are usually based on conventional image processing techniques such as intensity level segmentation, or blob detection. These techniques are limited in terms of the variety of scenarios that they are capable of reliably process, so that a strict control of the lighting conditions and cleaning of the surfaces to be inspected is necessary. In this PhD, with an “Industrial” mention made at the company MTorres Diseños Industriales S.A.U. within the framework of the CDTI project ʺNuevas uniones de estructuras aeronáuticasʺ (IDI‐20180754), an aircraft referencing element detection system based on machine learning techniques is introduced, which manages to precisely locate said elements even in adverse scenarios, improving the system performance based on conventional techniques. The developed system also performs a categorization of the detected elements, allowing the implementation of improvements in the manufacturing process, assigning a specialized response based on the detected category. Finally, a library of images has been compiled, coming from different machines, which has allowed the training of the developed neural network. This library of images is also available to evaluate the effectiveness of different algorithms and models of neural networks, accelerating the development and evolution of detection techniques.es_ES
dc.formatapplication/pdfes_ES
dc.language.isospaes_ES
dc.publisherLeandro Ruiz Lozanoes_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 España*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/*
dc.titleDetección y clasificación de elementos de fijación aeronáutica mediante técnicas de machine learninges_ES
dc.typeinfo:eu-repo/semantics/doctoralThesises_ES
dc.subject.otherExpresión Gráfica en Ingenieríaes_ES
dc.contributor.advisorCavas Martínez, Francisco 
dc.contributor.advisorDíaz Carrillo, Sebastián 
dc.date.submitted2021-06-07
dc.subjectEstructuras de aeronaveses_ES
dc.subjectTecnologías de la automatizaciónes_ES
dc.subjectDispositivos electroópticoses_ES
dc.subjectMaquinaria Industrial especializadaes_ES
dc.subjectAprendizaje automáticoes_ES
dc.subjectMachine learninges_ES
dc.subjectInteligencia artificiales_ES
dc.identifier.urihttp://hdl.handle.net/10317/9465
dc.description.centroEscuela Internacional de Doctorado de la Universidad Politécnica de Cartagenaes_ES
dc.contributor.departmentEstructuras y Construcción y Expresión Gráficaes_ES
dc.identifier.doi10.31428/10317/9465
dc.rights.accessRightsinfo:eu-repo/semantics/embargoedAccesses_ES
dc.description.universityUniversidad Politécnica de Cartagenaes_ES
dc.subject.unesco3301.06 Estructuras de Aeronaveses_ES
dc.description.programadoctoradoPrograma de Doctorado en Tecnologías Industrialeses_ES


Ficheros en el ítem

untranslated

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Atribución-NoComercial-SinDerivadas 3.0 España
Excepto si se señala otra cosa, la licencia del ítem se describe como Atribución-NoComercial-SinDerivadas 3.0 España