Visión computacional mediante deep learning para insertar sin colisión un punzón elevador de plantines en los conos de bandejas germinadoras

• Autor: Rodriguez Lopez , Paul Eduardo
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Privada Antenor Orrego
• Repositorio: UPAO-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.upao.edu.pe:20.500.12759/79532
• Enlace del recurso: https://hdl.handle.net/20.500.12759/79532
• Nivel de acceso: acceso abierto
• Materia: Learning; Vision; https://purl.org/pe-repo/ocde/ford#2.11.00

En este trabajo de investigación se desarrolla un sistema de visión computacional basado en Deep Learning para evitar colisiones entre un punzón elevador y una bandeja germinadora de plantines de alcachofa. En los viveros industriales de la región La Libertad se producen cientos de miles de plantines de alcachofa al año. Estos plantines de desarrollan en bandejas germinadoras de 72 agujeros o conos y a todos ellos se les aplica un control de calidad según su crecimiento, el que a su vez requiere extraer a cada plantín de su correspondiente cono o agujero y por inspección visual determinar su calidad. En la Universidad Privada Antenor Orrego (UPAO) en el Laboratorio LABINM- Robótica se ha desarrollado una máquina que automatiza el control de calidad del crecimiento de plantines de alcachofa. Esta máquina extrae un plantín desde su correspondiente agujero mediante un punzón elevador que se inserta en el sustrato del plantín y en esa condición se desplaza verticalmente hasta una posición fija donde luego un sistema de visión computacional determina la calidad del plantín. Sin embargo, las bandejas germinadoras no tienen dimensiones iguales entre ellas, tampoco mantienen igual posición relativa entre agujeros de una misma bandeja y sobre todo que las entradas supuestamente circulares, tanto superior como inferior, de un aguajero o cono generalmente están deformadas u obstruidas por virutas del propio material de la bandeja. Esta situación genera frecuentes colisiones entre el punzón elevador con la bandeja germinadora, lo que afecta al funcionamiento general de la maquina automatizada. En este trabajo se implementa un sistema computacional basado en Deep learning (mediante el algoritmo YOLOv8-Seg) que calcula una coordenada espacial, para cada agujero de una bandeja germinadora, en la que si un punzón pasa por esta coordenada en dirección normal al suelo se asegura la no colisión entre el punzón y la bandeja germinadora. Finalmente, el rendimiento de la técnica desarrollada se valida mediante las métricas de Precisión, Recall, F1- Score e IoU, bajo diferentes condiciones de iluminación y ángulos de visión.