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...

Descripción completa

Detalles Bibliográficos
Autores: Monsalvo Salazar, Juan Felipe, Jaramillo Posada, Juan Rodrigo
Formato: artículo
Fecha de Publicación:2022
Institución:Universidad de Lima
Repositorio:Revistas - Universidad de Lima
Lenguaje:español
OAI Identifier:oai:revistas.ulima.edu.pe: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_7aedb9006b5764d8ca7bc2688bbf1d28
oai_identifier_str oai:revistas.ulima.edu.pe: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 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/publishedVersionArtículo revisado por paresapplication/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/5804/5657https://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccessoai:revistas.ulima.edu.pe: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
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
Artículo revisado por pares
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 https://creativecommons.org/licenses/by/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by/4.0
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_ 1844893188732485632
score 13.057984
Counting granules with u-net networks and connected components
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).

Ejemplares Similares