Menu
Introducción: Este artículo describe el proceso y los resultados de la implementación de un modelo de detección de objetos utilizando la arquitectura YOLO (You Only Look Once) con el enfoque a la detección de objetos peligrosos en la chatarra metálica para evitar explosiones en un horno de fusión.
Argumentos: La detección de objetos es una tarea esencial en la visión por computadora, utilizada en diversas aplicaciones como la seguridad, la conducción autónoma, la robótica, entre otras. Los métodos tradicionales basados en técnicas de procesamiento de imágenes han sido superados por modelos de aprendizaje profundo como YOLO, que ofrece detección en tiempo real con alta precisión.
Objetivo: Tecnoap, a través de su plataforma SCRAPYARD® busca reducir los riesgos de pérdidas de vidas humanas o materiales en el proceso de ingreso de chatarra a las plantas siderúrgicas.
Figura 1
Identificación del público: Este artículo está dirigido a profesionales y estudiantes de inteligencia artificial y visión por computadora.
Argumentos: Para entrenar un modelo de YOLO, se llevaron a cabo los siguientes pasos:
Preparación de Datos: Se recolectaron y etiquetaron imágenes representativas, normalizando las coordenadas de los objetos.
Entrenamiento del Modelo: Para el entrenamiento del modelo se utilizó YOLOv5, se definieron parámetros para el aumento de datos y se realizó la partición de datos 90 a 10 para entrenamiento y validación.
Evaluación del Modelo: Los resultados de evaluación se muestran a continuación:
Figura 2
Precisión: 87% de las detecciones son correctas.
Recall: El 85% de los objetos son detectados.
mAP50: Alta precisión de 88.3% con IoU del 50%.
Estos resultados demuestran la capacidad del modelo para detectar objetos con una buena precisión y rapidez aceptable.
Figura 3
Conclusión: La implementación de YOLO ha demostrado ser una solución eficaz y eficiente para aplicaciones en tiempo real. SCRAPYARD® pretende ser capaz de detectar objetos peligrosos antes de ingresar en hornos de fusión de acero, previniendo posibles explosiones causadas por objetos cilíndricos cerrados. Los resultados muestran una alta precisión y rapidez, confirmando la viabilidad de esta solución para mejorar la seguridad industrial.
Envíanos tus datos y nos contactaremos contigo.
