Implementació d'un sistema intel·ligent de visió artificial per un procés de control de qualitat industrial mitjançant xarxes neuronals

Abstract

Aquest treball s’emmarca en l’adopció de la Intel·ligència Artificial en l’entorn industrial i es pretén mostrar les xarxes neuronals artificials com a mitjà per fer front a possibles mancances o limitacions actuals i l’automatització de processos que no aportin valor afegit. Per l’elaboració d’aquest treball s’ha realitzat un profund estudi i recerca, en concret, en les xarxes neuronals artificials com a l’algoritme empleat en Aprenentatge Automàtic. Simulen el comportament de les neurones biològiques i són capaces d’aprendre a trobar els patrons que resideixen en el conjunt de dades d’entrada i elaborar-ne un model. Es va detectar el procés de control de qualitat com un procés crític en el sector industrial per garantir la qualitat del producte i augmentar el rendiment productiu total. Per aquest motiu, s’ha implementat un sistema intel·ligent basat en el disseny i entrenament d’un algoritme amb xarxes neuronals convolucionals que ha sigut capaç d’aprendre correctament a classificar imatges de peces defectuoses i no defectuoses resultants d’un procés productiu. L’algoritme s’ha desenvolupat amb les llibreries TensorFlow i Keras d’Aprenentatge Automàtic. Per tal d’aconseguir un model de classificació òptim, es va realitzar un anàlisi de resultats obtinguts per diferents valors d’hiperparàmetres. Es va obtenir una precisió del 97.5% per la classificació de les imatges de validació per la qual cosa s’ha conclòs que les xarxes neuronals artificials poden presentar-se com una alternativa rendible a la programació convencional per la seva flexibilitat i adaptació a entorns amb molta variabilitat.

This project refers to the adoption of Artificial Intelligence in the industrial environment and aims to show the artificial neural networks as a means to deal with possible weaknesses or current limitations and the automation of processes that do not provide added value. To elaborate this project, a deep study and research has been carried out, in particular, in artificial neural networks as the algorithm used in Machine Learning. They simulate the behaviour of biological neurons and are able to learn to find the patterns that reside in the input dataset and develop a model. The quality inspection process was detected as a critical process in the industrial sector to ensure product quality and increase overall production efficiency and performance. For this reason, an intelligent system has been implemented based on the design and training of an algorithm with convolutional neural networks that has been able to correctly learn to classify images of defective and non-defective parts resulting from a production process. The algorithm was developed with the TensorFlow and Keras machine learning libraries. In order to achieve an optimal classification model, an analysis of results obtained by different hyperparameter values was performed. An accuracy of 97.5% was obtained for the classification of validation images so it has been concluded that artificial neural networks can be a cost-effective alternative to conventional programming due to their flexibility and adaptation to environments with a lot of variability.