Diseño de procesos que, al ejecutarse sobre una arquitectura física, producen resultados que maximizan una cierta medida de rendimiento




descargar 468.8 Kb.
títuloDiseño de procesos que, al ejecutarse sobre una arquitectura física, producen resultados que maximizan una cierta medida de rendimiento
página4/10
fecha de publicación28.10.2015
tamaño468.8 Kb.
tipoDocumentos
b.se-todo.com > Derecho > Documentos
1   2   3   4   5   6   7   8   9   10

Temas de interés en los que investigamos constantemente, no solamente por interés propio sino también por solicitud de nuestros clientes.


Visión Artificial

/wiwe/archivos/imagen/investigacion_imagen22_fa0816ae46d25fb90f64f333b8d98ea1.jpg

La Visión artificial, también conocida como Visión por Computador (del inglés Computer Vision) o Visión técnica, es un subcampo de la inteligencia artificial. El propósito de la visión artificial es programar un computador para que "entienda" una escena o las características de una imagen. 

Esquema de relaciones entre visión por computadora y otras áreas afines. Los objetivos típicos de la visión artificial incluyen: La detección, segmentación, localización y reconocimiento de ciertos objetos en imágenes (por ejemplo, caras humanas). La evaluación de los resultados (ej.: segmentación, registro). Registro de diferentes imágenes de una misma escena u objeto, i.e., hacer concordar un mismo objeto en diversas imágenes. Seguimiento de un objeto en una secuencia de imágenes. Mapeo de una escena para generar un modelo tridimensional de la escena; tal modelo podría ser usado por un robot para navegar por la escena. Estimación de las posturas tridimensionales de humanos. Búsqueda de imágenes digitales por su contenido. Estos objetivos se consiguen por medio de reconocimiento de patrones, aprendizaje estadístico, geometría de proyección, procesado de imágenes, teoría de gráficos y otros campos. La visión artificial cognitiva está muy relacionada con la psicología cognitiva y la computación biológica.

AUTOMOTIVE

Oct 10, 2011

No Comments

Visión artificial


Los elevados requisitos de control de calidad y automatización industrial que el sector de la automoción se impone a si mismo, hacen de este sector un gran consumidor de soluciones de visión artificial.

Como disciplina tecnológica, la visión artificial busca aplicar sus teorías y modelos para la construcción de sistemas de visión por computador. Ejemplos de aplicaciones:

- Control de procesos (un robot industrial o de un vehículo autónomo).
- Detección de eventos (vigilancia visual o conteo de personas).
- Organización de la información (indexación de imágenes y secuencias de imágenes).
- Modelado de objetos o entornos (análisis de imágenes médicas o de modelado topográfico).
- Interacciones (entrada a un dispositivo HMI).

La visión artificial es, en cierto modo, el inverso de la infografía. Mientras que la infografía produce datos de imagen a partir de modelos 3D, la visión artificial a menudo produce modelos 3D a partir de datos de imagen. También hay una tendencia hacia una combinación de las dos disciplinas, por ejemplo, como se analiza en la realidad aumentada.

http://blog.ingeinnova.com/wp-content/uploads/2011/10/vision-artificial-300x224.jpg http://blog.ingeinnova.com/wp-content/uploads/2011/10/vision-artificial2-300x224.jpg

Fuente: Ribinerf

Ingeinnova Automotive desarrolla proyectos integrales de implantación de visión artificial en líneas productivas. Desde el lanzamiento de proyecto, incluyendo la definición del cuaderno de cargas, el análisis de las alternativas y la selección de proveedores, hasta la implantación propia de las células devisión artificial.

El diseño de las células de experimentación completas (cámaras de visión artificial, robots, utillajes) se ajusta a satisfacer las necesidades particulares de cada empresa, incluyendo la instalación de los equipos en los laboratorios con las normativas de seguridad necesarias para el uso de las tecnologías y la formación en el manejo de la tecnología de forma que se obtengan personas totalmente autónomas para la realización de cualquier prueba en los equipos.

Análogamente se testea la célula diseñada analizando las piezas y especificaciones definidas, se elabora un informe de viabilidad específico para cada empresa de acuerdo a los resultados obtenidos y se elabora un cuaderno de cargas de los equipos a incorporar en las líneas de producción.

Este procedimiento convierte a Ingeinnova en una empresa referente en el marco de una tecnología innovadora y que aporta competitividad como la visión artificial.

Los sistemas de visión artificial integrados en células robotizadas son implementados con gran éxito en diferentes campos por empresas de diferentes sectores:

Medición: Mide las dimensiones de una pieza, sus diámetros, la planitud de superficies, niveles…

Guiado: Inteligencia artificial, guiado de robots para localizar y/o ensamblar piezas.

Identificación: Identificación de piezas o productos por su perfil., realización de  reconocimiento óptico de caracteres OCR, análisis de imágenes, procesado de señal y de imágenes

Inspección: Detecta la presencia-ausencia de piezas en ensamblaje, realiza la orientación de piezas, las inspecciones de defectos superficiales, la comprobación de la fecha en un lote de productos o su caducidad, los defectos en la superficie en productos producidos de forma continua…

Introducción.

La Inteligencia Artificial comenzó como el resultado de la investigación en psicología cognitiva y lógica matemática. Se ha enfocado sobre la explicación del trabajo mental y construcción de algoritmos de solución a problemas de propósito general. Punto de vista que favorece la abstracción y la generalidad.

La Inteligencia Artificial es una combinación de la ciencia del computadorfisiología y filosofía, tan general y amplio como eso, es que reúne varios campos (robóticasistemas expertos, por ejemplo), todos los cuales tienen en común la creación de máquinas que pueden "pensar".

La idea de construir una máquina que pueda ejecutar tareas percibidas como requerimientos de inteligencia humana es un atractivo. Las tareas que han sido estudiadas desde este punto de vista incluyen juegostraducción de idiomas, comprensión de idiomas, diagnóstico de fallas, robótica, suministro de asesoría experta en diversos temas.

Es así como los sistemas de administración de base de datos cada vez más sofisticados, la estructura de datos y el desarrollo de algoritmos de inserción, borrado y locación de datos, así como el intento de crear máquinas capaces de realizar tareas que son pensadas como típicas del ámbito de la inteligencia humana, acuñaron el término Inteligencia Artificial en 1956.

Trabajos teóricos fundamentales fueron el desarrollo de algoritmos matemáticos por Warren McCullock y Walter Pitts, en 1943, necesarios para posibilitar el trabajo de clasificación, o funcionamiento en sentido general, de una red neuronal. En 1949 Donald Hebb desarrolló un algoritmo de aprendizaje para dichas redes neuronales creando, en conjunto con los trabajos de McCullock y Pitts, la escuela creacionista. Esta escuela se considera hoy como el origen de la Inteligencia Artificial, sin embargo se trató poco por muchos años, dando paso al razonamiento simbólico basado en reglas de producción, lo que se conoce como sistemas expertos.

I. Nociones y Antecedentes Históricos de Inteligencia Artificial.

Definiciones sobre Inteligencia Artificial:

  • Disciplina científico-técnica que trata de crear sistemas artificiales capaces de comportamientos que, de ser realizados por seres humanos, se diría que requieren inteligencia.

  • Estudio de los mecanismos de la inteligencia y las tecnologías que lo sustentan. (Newell, 91)

  • Intento de reproducir (modelar) la manera en que las personas identifican, estructuran y resuelven problemas difíciles (Pople, 84)

  • Son ciertas herramientas de programación, entendiendo por herramientas:



    • Lenguajes: LISP, PROLOG

    • Entornos de desarrollo: shells

    • Arquitecturas de alto nivel: nodo y arco, sistemas de producciones

Desde sus comienzos hasta la actualidad, la Inteligencia Artificial ha tenido que hacer frente a una serie de problemas:

  • Los computadores no pueden manejar (no contienen) verdaderos significados.

  • Los computadores no tienen autoconciencia (emociones, sociabilidad, etc.).

  • Un computador sólo puede hacer aquello para lo que está programado.

  • Las máquinas no pueden pensar realmente.

En 1843, Lady Ada Augusta Byron, patrocinadora de Charles Babbage planteó el asunto de si la máquina de Babbage podía "pensar".

Los primeros problemas que se trató de resolver fueron puzzles, juegos de ajedrez, traducción de textos a otro idioma.

Durante la II Guerra Mundial Norbert Wiener y John Von Neumann establecieron los principios de la cibernética en relación con la realización de decisiones complejas y control de funciones en máquinas.

La teoría de la retroalimentación en mecanismos, como por ejemplo un termostato que regula la temperatura en una casa, tuvo mucha influencia. Esto aún no era propiamente Inteligencia Artificial. Se hizo mucho en traducciones (Andrew Booth y Warren Weaver), lo que sembró la semilla hacia el entendimiento del lenguaje natural.

En el año 1955 Herbert Simon, el físico Allen Newell y J.C. Shaw, programador de la RAND Corp. y compañero de Newell, desarrolla el primer lenguaje de programación orientado a la resolución de problemas de la Inteligencia Artificial, el IPL-11. Un año más tarde estos tres científicos desarrollan el primer programa de Inteligencia Artificial al que llamaron Logic Theorist, el cual era capaz de demostrar teoremas matemáticos, representando cada problema como un modelo de árbol, en el que se seguían ramas en busca de la solución correcta, que resultó crucial. Este programa demostró 38 de los 52 teoremas del segundo capítulo de Principia Mathematica de Russel y Whitehead.

En 1956, con la ahora famosa conferencia de Dartmouth, organizada por John McCarthy y en la cual se utilizó el nombre de inteligencia artificial para este nuevo campo, se separó la Inteligencia Artificial de la ciencia del computador, como tal. Se estableció como conclusión fundamental la posibilidad de simular inteligencia humana en una máquina.

En 1957 Newell y Simon continúan su trabajo con el desarrollo del General Problems Solver (GPS). GPS era un sistema orientado a la resolución de problemas; a diferencia del Logic Theorist, el cual se orientó a la demostración de teoremas matemáticos, GPS no estaba programado para resolver problemas de un determinado tipo, razón a la cual debe su nombre. Resuelve una gran cantidad de problemas de sentido común, como una extensión del principio de retroalimentación de Wiener.

Diversos centros de investigación se establecieron, entre los más relevantes están, la Universidad Carnegie Mellon, el Massachusetts Institute of Technologie (MIT), encabezado por Marvin Minsky, la Universidad de Standford e IBM. Los temas fundamentales eran el desarrollo de heurísticas y el aprendizaje de máquinas.

En 1957 McCarthy desarrolló el lenguaje LISP. La IBM contrató un equipo para la investigación en esa área y el gobierno de USA aportó dinero al MIT también para investigación en 1963.

A finales de los años 50 y comienzos de la década del 60 se desarrolla un programa orientado a la lectura de oraciones en inglés y la extracción de conclusiones a partir de su interpretación, al cual su autor, Robert K. Lindsay, denomina "Sad Sam". Este podía leer oraciones del tipo "Jim es hermano de John" y "La madre de Jim es Mary", a partir de ella el sistema concluía que Mary debía ser también la madre de John. Este sistema representó un enorme paso de avance en la simulación de inteligencia humana por una máquina, pues era capaz de tomar una pieza de información, interpretarla, relacionarla con información anteriormente almacenada, analizarla y sacar conclusiones lógicas.

En el mismo período de tiempo hay trabajos importantes de Herbert Gelernter, de IBM, quien desarrolla un "Demostrador Automático de Teoremas de la Geometría", Alex Bernstein desarrolla un programa para el juego de ajedrez que se considera el antecedente para "Deep Blue".

En 1961 se desarrolla SAINT (Simbolic Automatic INTegrator) por James Slagle el cual se orienta a la demostración simbólica en el área del álgebra.

En 1964 Bertrand Raphael construye el sistema SIR (Semantic Information Retrieval) el cual era capaz de comprender oraciones en inglés.

A continuación un ejemplo, traducido, de interacción entre SIR y un usuario:
1   2   3   4   5   6   7   8   9   10

similar:

Diseño de procesos que, al ejecutarse sobre una arquitectura física, producen resultados que maximizan una cierta medida de rendimiento iconEs una disciplina que emplea organismos vivos (y de las sustancias...

Diseño de procesos que, al ejecutarse sobre una arquitectura física, producen resultados que maximizan una cierta medida de rendimiento iconP1: En el marco de resultados para el bienio 2014/15 se exponen 36...

Diseño de procesos que, al ejecutarse sobre una arquitectura física, producen resultados que maximizan una cierta medida de rendimiento iconIntroducción: Que es la Física? La palabra Física viene del término...

Diseño de procesos que, al ejecutarse sobre una arquitectura física, producen resultados que maximizan una cierta medida de rendimiento iconActúan espontáneamente y con una cierta intencionalidad

Diseño de procesos que, al ejecutarse sobre una arquitectura física, producen resultados que maximizan una cierta medida de rendimiento iconEscribir sobre Derecho comparado es un reto pues, de suyo, la materia...

Diseño de procesos que, al ejecutarse sobre una arquitectura física, producen resultados que maximizan una cierta medida de rendimiento iconResponder al concepto de un ser humano dinamico e integral y a una...

Diseño de procesos que, al ejecutarse sobre una arquitectura física, producen resultados que maximizan una cierta medida de rendimiento iconElaborar una presentación powerpoint sobre una enfermedad, con los siguientes puntos

Diseño de procesos que, al ejecutarse sobre una arquitectura física, producen resultados que maximizan una cierta medida de rendimiento iconPlantilla de diseño de una Webquest

Diseño de procesos que, al ejecutarse sobre una arquitectura física, producen resultados que maximizan una cierta medida de rendimiento iconPlantilla de diseño de una Webquest

Diseño de procesos que, al ejecutarse sobre una arquitectura física, producen resultados que maximizan una cierta medida de rendimiento iconNuestro intento de dividir en épocas la historia de la arquitectura...




Todos los derechos reservados. Copyright © 2019
contactos
b.se-todo.com