DOI:
https://doi.org/10.14483/22484728.17432Publicado:
2021-01-30Número:
Vol. 15 Núm. 1 (2021)Sección:
Visión de CasoArtificial vision applied to manufacturing process
Visión artificial aplicada al proceso de manufactura
Palabras clave:
Cianotipo, Hipoeutectoide, Brazo robótico, Entorno de realidad virtual (es).Palabras clave:
Cyanotype, Hypoeutectoid, Robotic arm, Virtual reality environment (en).Descargas
Resumen (en)
This article presents the results of the implementation of artificial vision and image processing projects applied to a parts manufacturing process. In a first scenario, three-dimensional computational geometric models of the parts to be manufactured were obtained from the capture and processing of thermo-graphic images. In a later stage of the manufacturing process, a direct measurement system for cutting tool wear was implemented using HD images with image processing software using NI Lab VIEW from National Instruments®. In the final stage of parts manufacturing, the development of software (UDmetaL Handbook) for the quantitative metallographic analysis of micrographs for hypoeutectoid steels is presented. The software determines the type of steel based on the percentage of carbon and finds the mechanical properties of the material in a database that is incorporated into the software. The software's basis of operation is computational analysis through digital processing of metallographic images obtained through experimental laboratory processes using NI Lab VIEW software from National Instruments®.
Resumen (es)
En este artículo se presentan los resultados de la implementación de proyectos de visión artificial y procesamiento de imágenes aplicados a un proceso de manufactura de piezas. En un primer escenario se obtuvieron modelos geométricos computacionales tridimensionales de las piezas a fabricar a partir de la captura y procesamiento de imágenes termográficas. En una fase posterior del proceso de fabricación se implementó un sistema de medición directo del desgaste de la herramienta de corte mediante imágenes HD con un software de procesamiento de imagen por medio de NI LabVIEW de National Instruments®. Y en una de las fases finales de manufactura de las piezas se presenta el desarrollo de un software (UDmetaL Handbook) para el análisis metalográfico cuantitativo de micrografías para aceros hipoeutectoides. El software es capaz de determinar el tipo de acero de acuerdo al porcentaje de carbono y con base a éste encontrar las propiedades mecánicas del material con una base de datos que viene incorporada al software. La base de funcionamiento del software es el análisis computacional mediante el procesamiento digital de imágenes metalográficas obtenidas mediante procesos experimentales de laboratorio por medio del software NI LabVIEW de National Instruments®.
Referencias
Deutschland, “Hanover Fair”, 2014. [Online]. Available at https://www.deutschland.de/es/topic/economia/globalizacion-comercio-mundial/industria-40-en-la-feria-de-hannover
M. Velandia, “Quantitative Metallography”, CITEG Referred magazine, vol. 2, no. 3, pp. 57-60, 2008.
ASTM, “Standard Test Methods for Determining Average Grain Size Using Semiautomatic and Automatic Image Analysis”, 2015. [Online]. Available at https://webstore.ansi.org/Standards/ASTM/ASTME1382972015?gclid=CjwKCAiAoOz-BRBdEiwAyuvA66bmVazawSGcOvp3QjCI0IqAtNGcpOvQFxssA-o5-r5ImqjgaoaMmBoCMVcQAvD_BwE
C. Castañeda Agudelo, A. F. Ramírez Moreno, “Automation of the quantitative analysis of metallographic images of mortgaged steels”, thesis, Universidad Distrital Francisco José de Caldas, Colombia, 2020.
D. Kerr, J. Pengilley, R. Garwood, “Assessment and visualisation of machine tool wear using computer vision”, Int J Adv Manuf Technol, vol. 28, pp. 781–791, 2006. https://doi.org/10.1007/s00170-004-2420-0
Y. D. Chethan, H. V. Ravindra, Y. T. Krishne gowda, S. Bharath Kumar, “Machine Vision for Tool Status Monitoring in Turning Inconel 718 using Blob Analysis”, Materials Today: Proceedings, vol. 2, no. 4–5, pp. 1841-1848, 2015.
W. Tan, C. Wu, S. Zhao, S. Li, "Study on key technology of metallographic image processing and recognition", Chinese Control and Decision Conference, pp. 1832-1837, 2008. http://doi.org/10.1109/CCDC.2008.4597640
C. Prakash V. Pattan, P. Mytri, “Hiremath. Classification of cast iron based on graphite grain morphology using neural network approach. Proc. SPIE 7546”, Second International Conference on Digital Image Processing, 2010, https://doi.org/10.1117/12.853286
Cómo citar
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Descargar cita
Licencia
Derechos de autor 2021 Visión electrónica
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
atribución- no comercial 4.0 International