Optimización de un sistema de procesamiento de imágenes para el reconocimiento de variables en la pantalla del sistema de Brainlab de HUMANA.

Abstract

La visión por computador es una rama importante de la inteligencia artificial en la que se desarrolla la tecnología bioinspirada para emular en un computador la capacidad visual del ojo humano. En este trabajo de graduación se realizó un algoritmo utilizando Machine learning para identificar los dígitos de calibración de Varioguide en la pantalla del laboratorio de HUMANA. Se realizaron pruebas con un modelo de red neuronal convolucional que tuvo una precisión de modelo del 98.6 % y una precisión del 91.6 % en las pruebas realizadas físicamente. En este trabajo de graduación se diseñó un mecanismo que permitió el anclaje de un sensor óptico a la pantalla del laboratorio de HUMANA de manera que fue lo suficientemente capaz de soportar las cargas para las cuales fue diseñado. Este mecanismo presentó la suficiente agilidad para que su aplicación correspondiente en el laboratorio de HUMANA mejore la efectividad y reduzca el tiempo del sistema de calibración Varioguide. Para futuras implementaciones se diseñó un envió de datos por formato TCP que permite enviar los datos de calibración leídos del sistema de Varioguide utilizando formato JSON y enviándolos a un micro-controlador ESP32. Se desarrolló un sistema de procesamiento de imágenes para el reconocimiento de variables en una pantalla de computador que permitiese agilizar el proceso de las operaciones en el laboratorio de HUMANA. Para utilizar este sistema se desarrollo un algoritmo calificador para cámaras en la que se compararon 3 sensores ópticos y devolvió una calificación con la que se verificó el mejor funcionamiento y la cámara mas óptima para la lectura de características que necesita el sistema de reconocimiento de variables. (LA)