Diseño y simulación de un robot móvil con brazo de 3 GDL utilizando visión artificial para recolección de residuos plásticos en el Estadio Olímpico - UNMSM

• Autores: Alburqueque Reyes, Cesar Antonio, Hernandez Santa Maria, Luis Angel
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Ricardo Palma
• Repositorio: URP-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.urp.edu.pe:20.500.14138/9783
• Enlace del recurso: https://hdl.handle.net/20.500.14138/9783
• Nivel de acceso: acceso abierto
• Materia: Robots móviles; Visión artificial (Robótica); Botellas de plástico; Recolección de basura -- Automatización; https://purl.org/pe-repo/ocde/ford#2.11.02

Esta tesis se centra en el diseño y simulación de un robot móvil con un brazo robótico de 3 grados de libertad (GDL), capaz de detectar y recolectar botellas de plástico en el Estadio Olímpico de la Universidad Nacional Mayor de San Marcos (UNMSM). El objetivo es desarrollar una solución tecnológica que automatice la recolección de botellas para optimizar los procesos de limpieza. El robot, de tipo híbrido, tiene dimensiones de 50 cm de alto, 40 cm de ancho y 70 cm de largo, y está diseñado para moverse por diferentes superficies. Su sistema de manipulación le permite recoger botellas con diámetros entre 3.25 cm y 4.25 cm. El microcontrolador Arduino Mega 2560 gestiona el sistema del robot, mientras que los controladores L298n controlan los motores DC de 20W. Para evitar obstáculos, el robot utiliza el sensor ultrasónico HC-SR24. Además, para facilitar la conexión entre el Arduino y el sistema de visión artificial se utilizó un Raspberry Pi 4B, basado en el algoritmo YOLOv8, que detecta las botellas y envía la información necesaria al microcontrolador para accionar el brazo robótico. El consumo máximo del robot es de 215.8W, por lo que se ha elegido una fuente de 1280W. El diseño estructural se realizó en SolidWorks utilizando aluminio 6061, y fue sometido a pruebas de esfuerzo con una carga de 60N para garantizar la resistencia de las piezas. Las pruebas de integración del sistema en Coppelia Sim y Proteus fueron exitosas, logrando una detección de botellas con un 95% de precisión en Google Colab