Saltar a contenido principal Saltar a navegación principal

Estudiantes presentaron sus proyectos finales de estudio de Ingeniería Mecatrónica

Los alumnos Facundo Cárdenas, Mariano Cereda, Renzo Guarise, Lucas Trubiano y Franco Palau defendieron sus respectivos trabajos finales de estudio de la carrera.

imagen Estudiantes presentaron sus proyectos finales de estudio de Ingeniería Mecatrónica

Facundo Cárdenas y Mariano Cereda presentaron el proyecto: Optimización de Procesos de la Industria Maderera por medio de Visión Artificial

El lunes 4 de diciembre, en el Anfiteatro Este, se presentaron 3 nuevos proyectos finales de estudio de Ingeniería Mecatrónica. A continuación el detalle de cada uno de ellos:

Título: Optimización de Procesos de la Industria Maderera por medio de Visión Artificial

Autores: Facundo Cárdenas, Mariano Cereda.

Tutora: Dra. Ing. Selva Rivera

Jurados: Dr. Ing. Rodrigo González, Dr. Ing. Jorge Nuñez Mc Leod, MSc. Ing. Eduardo Iriarte

Resumen: Este proyecto consistió en el desarrollo de una aplicación para optimización de procesos en una empresa dedicada a la industria maderera. Se analizó el proceso productivo actual y los problemas en algunas de las etapas, para luego desarrollar soluciones o mejoras. 

Específicamente, se trabajó en la agilización del proceso de conteo de palos almacenados como paquetes, el cálculo del diámetro promedio de cada paquete y la integración con el operario mediante el desarrollo de una interfaz adecuada. Para el conteo automático se utilizó una red neuronal convolucional que responde a la arquitectura de YOLOv5, apropiada para el caso de uso. 

El desarrollo implicó la obtención de los datos, el etiquetado, la obtención del modelo y su posterior entrenamiento y evaluación. El uso de este algoritmo junto con un sensor de distancia y previa calibración de la cámara permitió también obtener una estimación del diámetro promedio de un conjunto de troncos, fundamental para las actividades de la empresa y que no estaba siendo ejecutado. 

Además se implementó una API para la comunicación de la información de cada paquete procesado, permitiendo el acceso remoto y mejorando el proceso de control de stock de la empresa. 

Finalmente, se desplegó la aplicación en una SBC (Single Board Computer) y se generó un primer prototipo para ser utilizado en la empresa. 

imagen Renzo Guarise y Lucas Trubiano: Sistema de Reconocimiento de Expresiones Faciales para Detectar Cansancio y Distracciones en la Conducción

Renzo Guarise y Lucas Trubiano: Sistema de Reconocimiento de Expresiones Faciales para Detectar Cansancio y Distracciones en la Conducción

Stay Alert System: Sistema de Reconocimiento de Expresiones Faciales para Detectar Cansancio y Distracciones en la Conducción

Autores: Renzo Guarise, Lucas Trubiano

Tutora: Dra. Ing. Selva Rivera

Jurados: Dr. Ing. Jorge Nuñez Mc Leod, MSc. Ing. Eduardo Iriarte

Resumen: Este proyecto se centra en la detección de fatiga en la conducción como una medida fundamental para reducir la tasa de accidentes automovilísticos ocasionados por distracciones y somnolencia al volante. 

Se desarrolló un sistema de reconocimiento facial basado en tecnologías de visión por computadora, utilizando Python como lenguaje de programación y MediaPipe como modelo para la identificación de landmarks/features faciales. Se desarrollaron métricas avanzadas dependientes del tiempo y un conjunto de reglas para determinar el estado del conductor. El hardware empleado es una Raspberry Pi con cámara y dispositivos de alerta. 

El sistema consta de tres subsistemas: reconocimiento facial, detección de fatiga y alertas. El subsistema de reconocimiento facial analiza los puntos clave del rostro y calcula características relevantes. El subsistema de fatiga evalúa estas características, calcula las métricas necesarias y determina el estado. El subsistema de alertas decide cuándo activar las alertas al conductor.

Las pruebas realizadas involucraron videos y simulaciones que representaban situaciones de conductores atentos y fatigados. El sistema demostró una tasa de acierto del 88% como máximo en los mejores casos y con reducciones de hasta el 83% de acierto tanto para la detección de fatiga en tiempo real como la detección de distracciones, lo que lo convierte en una herramienta efectiva para la prevención de accidentes.

imagen Franco Palau: Desarrollo de un Módulo de Percepción basado en Cámara Térmica y Redes Neuronales implementado en Vehículo Autónomo

Franco Palau: Desarrollo de un Módulo de Percepción basado en Cámara Térmica y Redes Neuronales implementado en Vehículo Autónomo

Desarrollo de un Módulo de Percepción basado en Cámara Térmica y Redes Neuronales implementado en Vehículo Autónomo

Autor: Franco Palau

Tutor (TU Dresden): Christian Schroer

Co-tutor (FI-UNCuyo): Eduardo Iriarte

Jurados: Dra Ing. Selva Rivera, Dr. Ing. Jorge Nuñez Mc Leod.

Resumen: Este trabajo se centra en el desarrollo e implementación de un sistema de detección basado en cámara térmica. Dado que este trabajo está enmarcado dentro del proyecto ABSOLUT(*), donde se cuenta con un vehículo autónomo, se logró la integración de este nuevo sistema al vehículo. 

El desarrollo se realizó en el entorno ROS y se implementó en la plataforma Nvidia AGX Orin. Para la detección de los objetos en las imágenes térmicas, se entrenó una red neuronal convolucional CNN basada en la arquitectura YOLOv5 con datasets públicos de imágenes térmicas. Con este modelo no solo se logró una detección precisa de los objetos en la escena, sino también una rapidez de detección cercana a tiempo real (30 FPS). 

Se realizaron pruebas de manejo en diversas localizaciones, tanto de día y de noche, recolectando datos de todos los sensores del vehículo, incluyendo el nuevo sistema térmico, en las que se obtuvo un nivel de robustez igual al resto de los otros sensores y sus sistemas de detección, logrando además mejores detecciones durante la noche u otras situaciones particulares donde otros sensores como la cámara RGB fallan. 

Por último, para la posible fusión de este sistema a los otros sistemas de sensores en el vehículo, se introducen metodologías para obtener la profundidad en imágenes térmicas.

Más info sobre el proyecto: https://tu-dresden.de/bu/verkehr/iad/fm/forschung/forschungsprojekte/projekt-absolut

Contenido relacionado