Caracterización de objetos tipo industrial por medio de análisis de imágenes con técnicas de inteligencia artificial

Autores
Faulkner, Melani Fátima
Año de publicación
2026
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Alarcón, Martín
Gregoret, Alejandro
Starna, Caludio Adolfo Emilio
Descripción
La industria 4.0 demanda sistemas de producción más inteligentes y eficientes. Frente a este desafío, el presente Trabajo Final propone el desarrollo de un sistema de visión artificial de bajo costo, fundamentado en los paradigmas de Edge Computing (Computación en el borde) y AIoT (Inteligencia Artificial de las Cosas). Más allá de la resolución técnica, el proyecto persigue un profundo objetivo académico y didáctico: comprender el ciclo completo de diseño de una inteligencia artificial, desde la recolección de datos hasta la optimización matemática requerida para desplegar Redes Neuronales Convolucionales (CNN) en hardware con recursos limitados. Para su validación experimental, se implementó un prototipo funcional en la línea de producción didáctica del Laboratorio de Automatización de la Facultad Regional Reconquista. La arquitectura central emplea una Raspberry Pi 4 que ejecuta el modelo EfficientNetB0, optimizado mediante TensorFlow Lite para evaluar en tiempo real el correcto posicionamiento de potes de helado previo a la etapa de tapado. La convergencia con la instrumentación de campo se establece mediante el protocolo Modbus TCP; el sistema embebido opera como servidor exponiendo las clasificaciones, lo que permite al Controlador Lógico Programable (PLC) cliente realizar consultas periódicas. Los resultados obtenidos demuestran la viabilidad técnica de utilizar hardware de propósito general y software de código abierto para el entrenamiento de redes neuronales. Esta experiencia demuestra la injerencia directa de la profesión en la automatización con redes neuronales y sienta los cimientos metodológicos para futuras investigaciones con arquitecturas de detección de video continuo de última generación.
Fil: Faulkner, Melani Fátima. Universidad Tecnológica Nacional. Facultad Regional Reconquista; Argentina.
Materia
Visión Artificial
Raspberry Pi
Modbus TCP
PLC
Control de Calidad
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Attribution 2.5 Argentina
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/15095
Acceder
id RIAUTN_e06826127cbffb42705c08413364b8d2
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/15095
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Caracterización de objetos tipo industrial por medio de análisis de imágenes con técnicas de inteligencia artificialFaulkner, Melani FátimaVisión ArtificialRaspberry PiModbus TCPPLCControl de CalidadLa industria 4.0 demanda sistemas de producción más inteligentes y eficientes. Frente a este desafío, el presente Trabajo Final propone el desarrollo de un sistema de visión artificial de bajo costo, fundamentado en los paradigmas de Edge Computing (Computación en el borde) y AIoT (Inteligencia Artificial de las Cosas). Más allá de la resolución técnica, el proyecto persigue un profundo objetivo académico y didáctico: comprender el ciclo completo de diseño de una inteligencia artificial, desde la recolección de datos hasta la optimización matemática requerida para desplegar Redes Neuronales Convolucionales (CNN) en hardware con recursos limitados. Para su validación experimental, se implementó un prototipo funcional en la línea de producción didáctica del Laboratorio de Automatización de la Facultad Regional Reconquista. La arquitectura central emplea una Raspberry Pi 4 que ejecuta el modelo EfficientNetB0, optimizado mediante TensorFlow Lite para evaluar en tiempo real el correcto posicionamiento de potes de helado previo a la etapa de tapado. La convergencia con la instrumentación de campo se establece mediante el protocolo Modbus TCP; el sistema embebido opera como servidor exponiendo las clasificaciones, lo que permite al Controlador Lógico Programable (PLC) cliente realizar consultas periódicas. Los resultados obtenidos demuestran la viabilidad técnica de utilizar hardware de propósito general y software de código abierto para el entrenamiento de redes neuronales. Esta experiencia demuestra la injerencia directa de la profesión en la automatización con redes neuronales y sienta los cimientos metodológicos para futuras investigaciones con arquitecturas de detección de video continuo de última generación.Fil: Faulkner, Melani Fátima. Universidad Tecnológica Nacional. Facultad Regional Reconquista; Argentina.Alarcón, MartínGregoret, AlejandroStarna, Caludio Adolfo Emilio2026-06-01T17:56:00Z2026info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradopdfapplication/pdfhttps://hdl.handle.net/20.500.12272/15095spainfo:eu-repo/semantics/openAccessAttribution 2.5 Argentinahttp://creativecommons.org/licenses/by/2.5/ar/Faulkner, Melani FátimaCreative Commons: BY (attribution)reponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-10-01T11:58:27Zoai:ria.utn.edu.ar:20.500.12272/15095instacron: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:a2026-10-01 11:58:28.677Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Caracterización de objetos tipo industrial por medio de análisis de imágenes con técnicas de inteligencia artificial
title Caracterización de objetos tipo industrial por medio de análisis de imágenes con técnicas de inteligencia artificial
spellingShingle Caracterización de objetos tipo industrial por medio de análisis de imágenes con técnicas de inteligencia artificial
Faulkner, Melani Fátima
Visión Artificial
Raspberry Pi
Modbus TCP
PLC
Control de Calidad
title_short Caracterización de objetos tipo industrial por medio de análisis de imágenes con técnicas de inteligencia artificial
title_full Caracterización de objetos tipo industrial por medio de análisis de imágenes con técnicas de inteligencia artificial
title_fullStr Caracterización de objetos tipo industrial por medio de análisis de imágenes con técnicas de inteligencia artificial
title_full_unstemmed Caracterización de objetos tipo industrial por medio de análisis de imágenes con técnicas de inteligencia artificial
title_sort Caracterización de objetos tipo industrial por medio de análisis de imágenes con técnicas de inteligencia artificial
dc.creator.none.fl_str_mv Faulkner, Melani Fátima
author Faulkner, Melani Fátima
author_facet Faulkner, Melani Fátima
author_role author
dc.contributor.none.fl_str_mv Alarcón, Martín
Gregoret, Alejandro
Starna, Caludio Adolfo Emilio
dc.subject.none.fl_str_mv Visión Artificial
Raspberry Pi
Modbus TCP
PLC
Control de Calidad
topic Visión Artificial
Raspberry Pi
Modbus TCP
PLC
Control de Calidad
dc.description.none.fl_txt_mv La industria 4.0 demanda sistemas de producción más inteligentes y eficientes. Frente a este desafío, el presente Trabajo Final propone el desarrollo de un sistema de visión artificial de bajo costo, fundamentado en los paradigmas de Edge Computing (Computación en el borde) y AIoT (Inteligencia Artificial de las Cosas). Más allá de la resolución técnica, el proyecto persigue un profundo objetivo académico y didáctico: comprender el ciclo completo de diseño de una inteligencia artificial, desde la recolección de datos hasta la optimización matemática requerida para desplegar Redes Neuronales Convolucionales (CNN) en hardware con recursos limitados. Para su validación experimental, se implementó un prototipo funcional en la línea de producción didáctica del Laboratorio de Automatización de la Facultad Regional Reconquista. La arquitectura central emplea una Raspberry Pi 4 que ejecuta el modelo EfficientNetB0, optimizado mediante TensorFlow Lite para evaluar en tiempo real el correcto posicionamiento de potes de helado previo a la etapa de tapado. La convergencia con la instrumentación de campo se establece mediante el protocolo Modbus TCP; el sistema embebido opera como servidor exponiendo las clasificaciones, lo que permite al Controlador Lógico Programable (PLC) cliente realizar consultas periódicas. Los resultados obtenidos demuestran la viabilidad técnica de utilizar hardware de propósito general y software de código abierto para el entrenamiento de redes neuronales. Esta experiencia demuestra la injerencia directa de la profesión en la automatización con redes neuronales y sienta los cimientos metodológicos para futuras investigaciones con arquitecturas de detección de video continuo de última generación.
Fil: Faulkner, Melani Fátima. Universidad Tecnológica Nacional. Facultad Regional Reconquista; Argentina.
description La industria 4.0 demanda sistemas de producción más inteligentes y eficientes. Frente a este desafío, el presente Trabajo Final propone el desarrollo de un sistema de visión artificial de bajo costo, fundamentado en los paradigmas de Edge Computing (Computación en el borde) y AIoT (Inteligencia Artificial de las Cosas). Más allá de la resolución técnica, el proyecto persigue un profundo objetivo académico y didáctico: comprender el ciclo completo de diseño de una inteligencia artificial, desde la recolección de datos hasta la optimización matemática requerida para desplegar Redes Neuronales Convolucionales (CNN) en hardware con recursos limitados. Para su validación experimental, se implementó un prototipo funcional en la línea de producción didáctica del Laboratorio de Automatización de la Facultad Regional Reconquista. La arquitectura central emplea una Raspberry Pi 4 que ejecuta el modelo EfficientNetB0, optimizado mediante TensorFlow Lite para evaluar en tiempo real el correcto posicionamiento de potes de helado previo a la etapa de tapado. La convergencia con la instrumentación de campo se establece mediante el protocolo Modbus TCP; el sistema embebido opera como servidor exponiendo las clasificaciones, lo que permite al Controlador Lógico Programable (PLC) cliente realizar consultas periódicas. Los resultados obtenidos demuestran la viabilidad técnica de utilizar hardware de propósito general y software de código abierto para el entrenamiento de redes neuronales. Esta experiencia demuestra la injerencia directa de la profesión en la automatización con redes neuronales y sienta los cimientos metodológicos para futuras investigaciones con arquitecturas de detección de video continuo de última generación.
publishDate 2026
dc.date.none.fl_str_mv 2026-06-01T17:56:00Z
2026
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.12272/15095
url https://hdl.handle.net/20.500.12272/15095
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Attribution 2.5 Argentina
http://creativecommons.org/licenses/by/2.5/ar/
Faulkner, Melani Fátima
Creative Commons: BY (attribution)
eu_rights_str_mv openAccess
rights_invalid_str_mv Attribution 2.5 Argentina
http://creativecommons.org/licenses/by/2.5/ar/
Faulkner, Melani Fátima
Creative Commons: BY (attribution)
dc.format.none.fl_str_mv pdf
application/pdf
dc.source.none.fl_str_mv 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_ 1877862394634436608
score 13.365483

Publicaciones similares