Sistema de aprendizaje basado en visión por computador para la inspección automatizada de partículas magnéticas en estructuras marinas

Resumen

Este trabajo presenta un sistema de aprendizaje supervisado 
basado en visión por computador con el objetivo de resolver la automatización de los ensayos no destructivos de inspección basados en partículas magnéticas. En este trabajo se han probado tres 
algoritmos de aprendizaje supervisados: el k vecino más cercano 
(kNN), un clasificador bayesiano (NBC) y la máquina de soporte 
vectorial (SVM). El sistema desarrollado ha sido probado con éxito 
en un conjunto de imágenes extraídas durante la inspección de 
partículas magnéticas sobre estructuras marinas en los astilleros 
de Navantia en Cartagena. El algoritmo que mejor resultado ofreció fue la SVM con una sensibilidad del 98.6% y una especificidad 
del 100.0% en la detección de fallas por partículas magnéticas. El 
vector de características utilizado está compuesto por conjunto de 
16 elementos formados por características geométricas y valores 
de intensidad de los espacios de color RGB, HSV, y CIE L*a*b*. En 
el trabajo se presenta una aplicación software y un sistema hardware que utilizando el algoritmo SVM es capaz de detectar automáticamente los defectos sobre las estructuras marinas durante el 
ensayo de partículas magnéticas.