Detección de defectos en telas poliéster utilizando técnicas de procesamiento de imágenes

• Autores: Aguilar Lara, Pedro Alexis, Tueros Gonzales, Jhon Jobany
• Formato: tesis de grado
• Fecha de Publicación: 2015
• Institución: Universidad Ricardo Palma
• Repositorio: URP-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.urp.edu.pe:20.500.14138/2131
• Enlace del recurso: https://hdl.handle.net/20.500.14138/2131
• Nivel de acceso: acceso abierto
• Materia: Procesamiento de imágenes; Detección de defectos; Muestras de telas poliéster; https://purl.org/pe-repo/ocde/ford#2.02.00

Este proyecto tiene como objetivo la implementación de algoritmos para la detección de defectos en las telas poliéster. Como sabemos, desde sus inicios la industria ha utilizado avances tecnológicos no solo para optimizar los procesos de fabricación sino también para mejorar la calidad de los productos. Ahora, si bien, no es posible evitar las fallas que alteran la calidad de las telas poliéster, sí es posible su detección mediante una inspección visual dentro del proceso de fabricación. En el presente estudio se realizó algoritmos de procesamiento de imágenes mediante el uso de librerías del software LabView para la detección de defectos en las telas poliéster, basándonos en muestras de telas con manchas comunes (MC), manchas de aceite (MA) y puntadas erróneas (PE), las cuales nos permitieron realizar varias pruebas experimentales, utilizando un módulo de pruebas a pequeña escala el cual fue fabricado según el tamaño de las muestras de tela, con la utilización de la técnica de iluminación lateral doble, y basándonos en el análisis del histograma de la imagen original de las muestras de telas, se lograron obtener parámetros numéricos que permitieron la detección de manchas comunes, manchas de aceite y puntadas erróneas, basado en el histograma de cada imagen, el cual muestra la cantidad de píxeles (tamaño de imagen) y la intensidad que se encuentra comprendido en un rango de 0-255 (siendo 0 el valor mínimo y 255 el valor máximo), se logró parametrizar numéricamente cada rango de valores de detección para el caso de MC un rango de valores de intensidad de cada pixel, obteniendo como resultado un intervalo de detección para MC de 0-195 y para el caso de las MA obteniendo como resultado un intervalo de detección de 167-194, que ayudaron en la realización del algoritmo para cada tipo de defecto, que validaron lo planteado en un inicio en la presente investigación