Detección de pose usando Deep Learning en ambientes industriales

Autores
Yuan, Rebeca; Mulassano, Micaela; Redolfi, Javier
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Cada vez es más común aplicar visión artificial en distintos entornos industriales, para establecer la ubicación, forma y calidad de los objetos. En trabajos anteriores se analizaron algoritmos de machine learning que permitieron detectar objetos y su presentación (frente/dorso). La presente investigación analiza la aplicación de una red convolucional profunda conocida como U-Net, para la segmentación de imágenes. El objetivo es lograr obtener la pose de los objetos, completando así la información de pose (ubicación) para utilizar métodos de bin picking (recogida aleatoria de contenedores) que completen el proceso de embalaje del objeto.
It is becoming more and more common to apply machine vision in different application domains, to establish the location, quality, formation of objects. In previous works, machine learning algorithms were analyzed to detect objects and their presentation (front/back). The present research analyzes the application of a deep convolutional network defined under the U-Net algorithm, for image segmentation. The objective is to obtain the pose of the objects, thus completing the pose information (location) in order to use bin picking methods to complete the object packing process.
Fil: Yuan, Rebeca. Universidad Tecnológica Nacional. Facultad Regional San Francisco; Argentina.
Fil: Mulassano, Micaela. Universidad Tecnológica Nacional. Facultad Regional San Francisco; Argentina.
Fil: Redolfi, Javier. Universidad Tecnológica Nacional. Facultad Regional San Francisco; Argentina.
Fuente
Jornadas de Ciencia y Tecnología 2022: 184-189. (2022)
Materia
redes convolucionales
pose
U-Net
convolutional networks
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2023-03-29T22:52:18Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/7714
Acceder
id RIAUTN_c4d4c580d4b8cb8ce9f1f7464fe1ffa6
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/7714
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Detección de pose usando Deep Learning en ambientes industrialesYuan, RebecaMulassano, MicaelaRedolfi, Javierredes convolucionalesposeU-Netconvolutional networksCada vez es más común aplicar visión artificial en distintos entornos industriales, para establecer la ubicación, forma y calidad de los objetos. En trabajos anteriores se analizaron algoritmos de machine learning que permitieron detectar objetos y su presentación (frente/dorso). La presente investigación analiza la aplicación de una red convolucional profunda conocida como U-Net, para la segmentación de imágenes. El objetivo es lograr obtener la pose de los objetos, completando así la información de pose (ubicación) para utilizar métodos de bin picking (recogida aleatoria de contenedores) que completen el proceso de embalaje del objeto.It is becoming more and more common to apply machine vision in different application domains, to establish the location, quality, formation of objects. In previous works, machine learning algorithms were analyzed to detect objects and their presentation (front/back). The present research analyzes the application of a deep convolutional network defined under the U-Net algorithm, for image segmentation. The objective is to obtain the pose of the objects, thus completing the pose information (location) in order to use bin picking methods to complete the object packing process.Fil: Yuan, Rebeca. Universidad Tecnológica Nacional. Facultad Regional San Francisco; Argentina.Fil: Mulassano, Micaela. Universidad Tecnológica Nacional. Facultad Regional San Francisco; Argentina.Fil: Redolfi, Javier. Universidad Tecnológica Nacional. Facultad Regional San Francisco; Argentina.AJEA- Actas de Jornadas y Eventos Académicos de UTN2023-03-29T22:52:18Z2023-03-29T22:52:18Z2022-12info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciapdfapplication/pdfJornadas de Ciencia y Tecnología 2022978-950-42-0217-22683-8818http://hdl.handle.net/20.500.12272/7714https://doi.org/10.33414/ajea.1145.2022Jornadas de Ciencia y Tecnología 2022: 184-189. (2022)reponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica NacionalspaNacionalinfo:eu-repo/semantics/openAccess2023-03-29T22:52:18Zhttp://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internacional.2026-09-24T12:46:28Zoai:ria.utn.edu.ar:20.500.12272/7714instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:46:29.194Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Detección de pose usando Deep Learning en ambientes industriales
title Detección de pose usando Deep Learning en ambientes industriales
spellingShingle Detección de pose usando Deep Learning en ambientes industriales
Yuan, Rebeca
redes convolucionales
pose
U-Net
convolutional networks
title_short Detección de pose usando Deep Learning en ambientes industriales
title_full Detección de pose usando Deep Learning en ambientes industriales
title_fullStr Detección de pose usando Deep Learning en ambientes industriales
title_full_unstemmed Detección de pose usando Deep Learning en ambientes industriales
title_sort Detección de pose usando Deep Learning en ambientes industriales
dc.creator.none.fl_str_mv Yuan, Rebeca
Mulassano, Micaela
Redolfi, Javier
author Yuan, Rebeca
author_facet Yuan, Rebeca
Mulassano, Micaela
Redolfi, Javier
author_role author
author2 Mulassano, Micaela
Redolfi, Javier
author2_role author
author
dc.subject.none.fl_str_mv redes convolucionales
pose
U-Net
convolutional networks
topic redes convolucionales
pose
U-Net
convolutional networks
dc.description.none.fl_txt_mv Cada vez es más común aplicar visión artificial en distintos entornos industriales, para establecer la ubicación, forma y calidad de los objetos. En trabajos anteriores se analizaron algoritmos de machine learning que permitieron detectar objetos y su presentación (frente/dorso). La presente investigación analiza la aplicación de una red convolucional profunda conocida como U-Net, para la segmentación de imágenes. El objetivo es lograr obtener la pose de los objetos, completando así la información de pose (ubicación) para utilizar métodos de bin picking (recogida aleatoria de contenedores) que completen el proceso de embalaje del objeto.
It is becoming more and more common to apply machine vision in different application domains, to establish the location, quality, formation of objects. In previous works, machine learning algorithms were analyzed to detect objects and their presentation (front/back). The present research analyzes the application of a deep convolutional network defined under the U-Net algorithm, for image segmentation. The objective is to obtain the pose of the objects, thus completing the pose information (location) in order to use bin picking methods to complete the object packing process.
Fil: Yuan, Rebeca. Universidad Tecnológica Nacional. Facultad Regional San Francisco; Argentina.
Fil: Mulassano, Micaela. Universidad Tecnológica Nacional. Facultad Regional San Francisco; Argentina.
Fil: Redolfi, Javier. Universidad Tecnológica Nacional. Facultad Regional San Francisco; Argentina.
description Cada vez es más común aplicar visión artificial en distintos entornos industriales, para establecer la ubicación, forma y calidad de los objetos. En trabajos anteriores se analizaron algoritmos de machine learning que permitieron detectar objetos y su presentación (frente/dorso). La presente investigación analiza la aplicación de una red convolucional profunda conocida como U-Net, para la segmentación de imágenes. El objetivo es lograr obtener la pose de los objetos, completando así la información de pose (ubicación) para utilizar métodos de bin picking (recogida aleatoria de contenedores) que completen el proceso de embalaje del objeto.
publishDate 2022
dc.date.none.fl_str_mv 2022-12
2023-03-29T22:52:18Z
2023-03-29T22:52:18Z
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv Jornadas de Ciencia y Tecnología 2022
978-950-42-0217-2
2683-8818
http://hdl.handle.net/20.500.12272/7714
https://doi.org/10.33414/ajea.1145.2022
identifier_str_mv Jornadas de Ciencia y Tecnología 2022
978-950-42-0217-2
2683-8818
url http://hdl.handle.net/20.500.12272/7714
https://doi.org/10.33414/ajea.1145.2022
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2023-03-29T22:52:18Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
.
eu_rights_str_mv openAccess
rights_invalid_str_mv 2023-03-29T22:52:18Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
.
dc.format.none.fl_str_mv pdf
application/pdf
dc.coverage.none.fl_str_mv Nacional
dc.publisher.none.fl_str_mv AJEA- Actas de Jornadas y Eventos Académicos de UTN
publisher.none.fl_str_mv AJEA- Actas de Jornadas y Eventos Académicos de UTN
dc.source.none.fl_str_mv Jornadas de Ciencia y Tecnología 2022: 184-189. (2022)
reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230922182426624
score 13.265058

Publicaciones similares