Counting granules with u-net networks and connected components
Descripción del Articulo
This research develops a methodology to automate the process of counting the number of granules that remains in a toilet after being flushed (ASME A112.19.2-2018/CSA B45.1-18). This work integrates a U-Net convolutional network with a variation of the connected component algorithm. The training set...
| Autores: | , |
|---|---|
| Formato: | artículo |
| Fecha de Publicación: | 2022 |
| Institución: | Universidad de Lima |
| Repositorio: | Revistas - Universidad de Lima |
| Lenguaje: | español |
| OAI Identifier: | oai:ojs.pkp.sfu.ca:article/5804 |
| Enlace del recurso: | https://revistas.ulima.edu.pe/index.php/Ingenieria_industrial/article/view/5804 |
| Nivel de acceso: | acceso abierto |
| Materia: | artificial intelligence computer vision neural networks automation inteligencia artificial visión por computadora redes neuronales automatización |
| id |
REVULIMA_d648adee9836b8a5c908fdfc49882b94 |
|---|---|
| oai_identifier_str |
oai:ojs.pkp.sfu.ca:article/5804 |
| network_acronym_str |
REVULIMA |
| network_name_str |
Revistas - Universidad de Lima |
| repository_id_str |
|
| spelling |
Counting granules with u-net networks and connected componentsConteo de gránulos usando redes neuronales tipo U-Net y componentes conectadosMonsalvo Salazar, Juan Felipe Jaramillo Posada, Juan Rodrigo Monsalvo Salazar, Juan Felipe Jaramillo Posada, Juan Rodrigo artificial intelligencecomputer visionneural networksautomationinteligencia artificialvisión por computadoraredes neuronalesautomatizaciónThis research develops a methodology to automate the process of counting the number of granules that remains in a toilet after being flushed (ASME A112.19.2-2018/CSA B45.1-18). This work integrates a U-Net convolutional network with a variation of the connected component algorithm. The training set consisted of 3678 images. Results show an accuracy above 98% between 0 and 180 granules. The methodology has been implemented in the production line.Este trabajo desarrolla una metodología para automatizar el conteo de gránulos remanentes en una taza sanitaria (prueba ASME A112.19.2-2018/CSA B45.1-18). Esta metodología integra una red convolucional U-Net que fue entrenada con 3678 imágenes y una variación del algoritmo de componentes conectados. Los resultados arrojan una precisión superior al 98 % para valores entre 0 y 180 gránulos. La metodología se implementó en la línea de producción.Universidad de Lima2022-04-22info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionPeer-reviewed Articleapplication/pdftext/htmlhttps://revistas.ulima.edu.pe/index.php/Ingenieria_industrial/article/view/580410.26439/ing.ind2022.n.5804Ingeniería Industrial; 2022: Edición Especial; 137-153Ingeniería Industrial; 2022: Edición Especial; 137-1532523-63261025-992910.26439/ing.ind2022.nreponame:Revistas - Universidad de Limainstname:Universidad de Limainstacron:ULIMAspahttps://revistas.ulima.edu.pe/index.php/Ingenieria_industrial/article/view/5804/5627https://revistas.ulima.edu.pe/index.php/Ingenieria_industrial/article/view/5804/5657info:eu-repo/semantics/openAccessoai:ojs.pkp.sfu.ca:article/58042024-10-24T16:00:53Z |
| dc.title.none.fl_str_mv |
Counting granules with u-net networks and connected components Conteo de gránulos usando redes neuronales tipo U-Net y componentes conectados |
| title |
Counting granules with u-net networks and connected components |
| spellingShingle |
Counting granules with u-net networks and connected components Monsalvo Salazar, Juan Felipe artificial intelligence computer vision neural networks automation inteligencia artificial visión por computadora redes neuronales automatización |
| title_short |
Counting granules with u-net networks and connected components |
| title_full |
Counting granules with u-net networks and connected components |
| title_fullStr |
Counting granules with u-net networks and connected components |
| title_full_unstemmed |
Counting granules with u-net networks and connected components |
| title_sort |
Counting granules with u-net networks and connected components |
| dc.creator.none.fl_str_mv |
Monsalvo Salazar, Juan Felipe Jaramillo Posada, Juan Rodrigo Monsalvo Salazar, Juan Felipe Jaramillo Posada, Juan Rodrigo |
| author |
Monsalvo Salazar, Juan Felipe |
| author_facet |
Monsalvo Salazar, Juan Felipe Jaramillo Posada, Juan Rodrigo |
| author_role |
author |
| author2 |
Jaramillo Posada, Juan Rodrigo |
| author2_role |
author |
| dc.subject.none.fl_str_mv |
artificial intelligence computer vision neural networks automation inteligencia artificial visión por computadora redes neuronales automatización |
| topic |
artificial intelligence computer vision neural networks automation inteligencia artificial visión por computadora redes neuronales automatización |
| description |
This research develops a methodology to automate the process of counting the number of granules that remains in a toilet after being flushed (ASME A112.19.2-2018/CSA B45.1-18). This work integrates a U-Net convolutional network with a variation of the connected component algorithm. The training set consisted of 3678 images. Results show an accuracy above 98% between 0 and 180 granules. The methodology has been implemented in the production line. |
| publishDate |
2022 |
| dc.date.none.fl_str_mv |
2022-04-22 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Peer-reviewed Article |
| format |
article |
| status_str |
publishedVersion |
| dc.identifier.none.fl_str_mv |
https://revistas.ulima.edu.pe/index.php/Ingenieria_industrial/article/view/5804 10.26439/ing.ind2022.n.5804 |
| url |
https://revistas.ulima.edu.pe/index.php/Ingenieria_industrial/article/view/5804 |
| identifier_str_mv |
10.26439/ing.ind2022.n.5804 |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.none.fl_str_mv |
https://revistas.ulima.edu.pe/index.php/Ingenieria_industrial/article/view/5804/5627 https://revistas.ulima.edu.pe/index.php/Ingenieria_industrial/article/view/5804/5657 |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf text/html |
| dc.publisher.none.fl_str_mv |
Universidad de Lima |
| publisher.none.fl_str_mv |
Universidad de Lima |
| dc.source.none.fl_str_mv |
Ingeniería Industrial; 2022: Edición Especial; 137-153 Ingeniería Industrial; 2022: Edición Especial; 137-153 2523-6326 1025-9929 10.26439/ing.ind2022.n reponame:Revistas - Universidad de Lima instname:Universidad de Lima instacron:ULIMA |
| instname_str |
Universidad de Lima |
| instacron_str |
ULIMA |
| institution |
ULIMA |
| reponame_str |
Revistas - Universidad de Lima |
| collection |
Revistas - Universidad de Lima |
| repository.name.fl_str_mv |
|
| repository.mail.fl_str_mv |
|
| _version_ |
1846791801121275904 |
| score |
13.887878 |
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
