Metodología para la programación de un instrumento caracterizador de corrosión con aplicación en ciencia de los materiales e industria / [recurso electrónico] / Arlett Valdez Anaya ; director, Rogelio Arturo Ramos Irigoyen
Tipo de material:
TextoDetalles de publicación: Mexicali, Baja California, 2023Descripción: 1 recurso en línea, 83 p. ; il. col., gráficas, fotsTema(s): Corrosión y anticorrosivos -- Tesis y disertaciones académicas | Corrosión y anticorrosivos: pruebas -- Tesis y disertaciones académicas | Corrosión y anticorrosivos: manuales, manuales, etc. -- Tesis y disertaciones académicasClasificación LoC:TA462 | V35 2023Recursos en línea: Tesis digital
Nota de disertación: Tesis (Maestría) - - Universidad Autónoma de Baja California, Instituto de Ingeniería, Mexicali, 2023 Resumen: El presente proyecto es una alternativa para el análisis de corrosión en superficies metálicas de
acero y aluminio por imagen, mediante un sistema de detección y toma de decisiones por una
maquina inteligente que implementa visión computacional desarrollada en una plataforma de
instrumentación virtual, que tiene como objetivo agilizar y dar objetividad al diagnóstico de un
defecto en el área de producción, con lo cual se pretende que la decisión de descartar o no un
defecto pueda ser realizada por personal no experto con el auxilio de un sistema de inteligencia
artificial. La metodología empleada durante su desarrollo fue de tipo mixta, experimental,
correlacional considerando como fuente de investigación la problemática que presenta la
Industria metal mecánica ubicada en la ciudad de Mexicali, Baja California, México; cuyos
resultados y aplicaciones no se limitan a la industria regional sino global. Para este estudio se
elaboraron muestras de corrosión uniforme y por picadura para cada tipo de material, además
de muestras de corrosión filiforme solo para acero, las imágenes de las muestras fueron
digitalizaciones con el uso de un microscopio AVEN Cyclops Digital Microscope
posteriormente, se realizó un análisis de las imágenes con un instrumento virtual
implementado en la plataforma de programación para instrumentación virtual de LabVIEW®
haciendo uso de inteligencia artificial de aprendizaje profundo “Deep Learning” aplicando lógica
difusa para una tomo de decisiones basada en reglas. Los conjuntos borrosos se definieron con
base a las variables de rugosidad y espectro de color de las imágenes digitalizadas. La toma de
decisiones se da con el razonamiento de conjuntos borrosos, modelando así la incertidumbre
generada por la ambigüedad de los procesos de digitalización, así como la vaguedad. Lo
anterior aplicado a problemas complejos de toma de dediciones eliminando con la ayuda de
una computadora el error humano de interpretación. Adicionalmente y con la intensión de
tener un comparativo y análisis cuantitativo de los resultados se aplicaron, técnicas de
regresión lineal y Anova. Los resultados del análisis estadístico por minitab® muestran una
coincidencia significativa entre el espectro de color del vector patrón de la matriz de datos
formada por imágenes capturadas y el espectro de color del vector o imagen patrón, que
resulto del análisis por visión computación en LabVIEW.
| Tipo de ítem | Biblioteca actual | Colección | Signatura | Copia número | Estado | Fecha de vencimiento | Código de barras |
|---|---|---|---|---|---|---|---|
| Tesis | Biblioteca Central Mexicali | Colección de Tesis | TA462 V35 2023 (Browse shelf(Abre debajo)) | 1 | Disponible | MXL124737 |
Maestría y Doctorado en Ciencias e Ingeniería
Tesis (Maestría) - - Universidad Autónoma de Baja California, Instituto de Ingeniería, Mexicali, 2023
Incluye referencias bibliográficas.
El presente proyecto es una alternativa para el análisis de corrosión en superficies metálicas de
acero y aluminio por imagen, mediante un sistema de detección y toma de decisiones por una
maquina inteligente que implementa visión computacional desarrollada en una plataforma de
instrumentación virtual, que tiene como objetivo agilizar y dar objetividad al diagnóstico de un
defecto en el área de producción, con lo cual se pretende que la decisión de descartar o no un
defecto pueda ser realizada por personal no experto con el auxilio de un sistema de inteligencia
artificial. La metodología empleada durante su desarrollo fue de tipo mixta, experimental,
correlacional considerando como fuente de investigación la problemática que presenta la
Industria metal mecánica ubicada en la ciudad de Mexicali, Baja California, México; cuyos
resultados y aplicaciones no se limitan a la industria regional sino global. Para este estudio se
elaboraron muestras de corrosión uniforme y por picadura para cada tipo de material, además
de muestras de corrosión filiforme solo para acero, las imágenes de las muestras fueron
digitalizaciones con el uso de un microscopio AVEN Cyclops Digital Microscope
posteriormente, se realizó un análisis de las imágenes con un instrumento virtual
implementado en la plataforma de programación para instrumentación virtual de LabVIEW®
haciendo uso de inteligencia artificial de aprendizaje profundo “Deep Learning” aplicando lógica
difusa para una tomo de decisiones basada en reglas. Los conjuntos borrosos se definieron con
base a las variables de rugosidad y espectro de color de las imágenes digitalizadas. La toma de
decisiones se da con el razonamiento de conjuntos borrosos, modelando así la incertidumbre
generada por la ambigüedad de los procesos de digitalización, así como la vaguedad. Lo
anterior aplicado a problemas complejos de toma de dediciones eliminando con la ayuda de
una computadora el error humano de interpretación. Adicionalmente y con la intensión de
tener un comparativo y análisis cuantitativo de los resultados se aplicaron, técnicas de
regresión lineal y Anova. Los resultados del análisis estadístico por minitab® muestran una
coincidencia significativa entre el espectro de color del vector patrón de la matriz de datos
formada por imágenes capturadas y el espectro de color del vector o imagen patrón, que
resulto del análisis por visión computación en LabVIEW.
