Revisión de la Literatura sobre el Uso del Aprendizaje Profundo Enfocado en Sistemas de Inspección Ópticos Automatizados para la Detección de Defectos Superficiales en el Sector de la Manufactura

Joe Frand Llerena Izquierdo; Jonathan Manuel Sanchez Romero

doi:10.18779/ingenio.v6i2.680

Revisión de la Literatura sobre el Uso del Aprendizaje Profundo Enfocado en Sistemas de Inspección Ópticos Automatizados para la Detección de Defectos Superficiales en el Sector de la Manufactura

Joe Frand Llerena Izquierdo
, Jonathan Manuel Sanchez Romero

Grupo de Investigación en Enseñanza-Aprendizaje de las Ciencias para la Ingeniería (GIEACI)

Producción científica: Contribución a una revista › Artículo

Resumen

El sector de la manufactura utiliza metodologías de aprendizaje automático supervisado que permiten mejorar procesos de inspección mediante la visión artificial. La inspección óptica automatizada ofrece eficiencia en el proceso de inspección para la detección de defectos en la fabricación de diversos productos. Este trabajo aporta con la identificación de aquellas limitaciones en el procesamiento de datos basados en el conjunto de reglas definidas y la gestión del dominio del proceso. Se propone una revisión de literatura sobre el uso del aprendizaje profundo enfocado a los sistemas de inspección ópticos automatizados para la detección de defectos superficiales en el sector de la manufactura. El objetivo propuesto es de identificar las diferentes arquitecturas orientadas en redes neuronales convolucionales aplicadas en sistemas de inspección óptico con el fin de automatizar la extracción de características o patrones.

Título traducido de la contribución	Literature Review on the Use of Deep Learning Focused on Automated Optical Inspection Systems for the Detection of Surface Defects in the Manufacturing Sector
Idioma original	Español (Ecuador)
Páginas (desde-hasta)	1-19
Número de páginas	19
Publicación	InGenio Journal
Volumen	6
N.º	6
DOI	https://doi.org/10.18779/ingenio.v6i2.680
Estado	Publicada - 4 jul. 2023

Palabras clave

Automated Optical Inspection
Convolutional Neural Networks
Deep Learning
Generalization
Imbalance
Manufacturing
Optimizing Algorithms

Areas de Conocimiento del CACES

116A Computación

Acceder al documento

10.18779/ingenio.v6i2.680

Otros archivos y enlaces

Other Link

Diseño de una metodología de formación en investigación de estudiantes de ingenierías (FINVE+I)
Llerena Izquierdo, J. F. (Investigador principal), Mendez Alarcon, A. A. (Estudiante Investigador), Sanchez Morante, F. J. (Estudiante Investigador), Viera Sanchez, N. F. (Estudiante Investigador), Rodriguez Moreira, B. M. (Estudiante Investigador), Robalino Alfonso, M. G. (Estudiante Investigador), Andina Zambrano, M. L. (Estudiante Investigador), Grijalva Segovia, J. S. (Estudiante Investigador), Ayala Carabajo, R. (Investigador Externo), Flores Moran, J. F. (Investigador Secundario), Rocha Espinoza, J. J. (Investigador Secundario), Cunalema Arana, A. G. (Estudiante Investigador), Procel Júpiter, F. S. (Estudiante Investigador), Chela Criollo, J. K. (Estudiante Investigador), Valverde Macias, A. E. (Estudiante Investigador) & Idrovo Llaguno, J. C. (Estudiante Investigador)
20/02/20 → 20/08/22
Proyecto: Investigación y Desarrollo

Citar esto

@article{20899f264fe74275b8ed73c0d8aff9ad,

title = "Revisi{\'o}n de la Literatura sobre el Uso del Aprendizaje Profundo Enfocado en Sistemas de Inspecci{\'o}n {\'O}pticos Automatizados para la Detecci{\'o}n de Defectos Superficiales en el Sector de la Manufactura",

abstract = "El sector de la manufactura utiliza metodolog{\'i}as de aprendizaje autom{\'a}tico supervisado que permiten mejorar procesos de inspecci{\'o}n mediante la visi{\'o}n artificial. La inspecci{\'o}n {\'o}ptica automatizada ofrece eficiencia en el proceso de inspecci{\'o}n para la detecci{\'o}n de defectos en la fabricaci{\'o}n de diversos productos. Este trabajo aporta con la identificaci{\'o}n de aquellas limitaciones en el procesamiento de datos basados en el conjunto de reglas definidas y la gesti{\'o}n del dominio del proceso. Se propone una revisi{\'o}n de literatura sobre el uso del aprendizaje profundo enfocado a los sistemas de inspecci{\'o}n {\'o}pticos automatizados para la detecci{\'o}n de defectos superficiales en el sector de la manufactura. El objetivo propuesto es de identificar las diferentes arquitecturas orientadas en redes neuronales convolucionales aplicadas en sistemas de inspecci{\'o}n {\'o}ptico con el fin de automatizar la extracci{\'o}n de caracter{\'i}sticas o patrones.",

keywords = "Automated Optical Inspection, Convolutional Neural Networks, Deep Learning, Generalization, Imbalance, Manufacturing, Optimizing Algorithms, Automated Optical Inspection, Convolutional Neural Networks, Deep Learning, Generalization, Imbalance, Manufacturing, Optimizing Algorithms",

author = "\{Llerena Izquierdo\}, \{Joe Frand\} and \{Sanchez Romero\}, \{Jonathan Manuel\}",

year = "2023",

month = jul,

day = "4",

doi = "10.18779/ingenio.v6i2.680",

language = "Espa{\~n}ol (Ecuador)",

volume = "6",

pages = "1--19",

journal = "InGenio Journal",

issn = "2697-3642",

number = "6",

}

Revisión de la Literatura sobre el Uso del Aprendizaje Profundo Enfocado en Sistemas de Inspección Ópticos Automatizados para la Detección de Defectos Superficiales en el Sector de la Manufactura. / Llerena Izquierdo, Joe Frand; Sanchez Romero, Jonathan Manuel.
En: InGenio Journal, Vol. 6, N.º 6, 04.07.2023, p. 1-19.

Producción científica: Contribución a una revista › Artículo

TY - JOUR

T1 - Revisión de la Literatura sobre el Uso del Aprendizaje Profundo Enfocado en Sistemas de Inspección Ópticos Automatizados para la Detección de Defectos Superficiales en el Sector de la Manufactura

AU - Llerena Izquierdo, Joe Frand

AU - Sanchez Romero, Jonathan Manuel

PY - 2023/7/4

Y1 - 2023/7/4

N2 - El sector de la manufactura utiliza metodologías de aprendizaje automático supervisado que permiten mejorar procesos de inspección mediante la visión artificial. La inspección óptica automatizada ofrece eficiencia en el proceso de inspección para la detección de defectos en la fabricación de diversos productos. Este trabajo aporta con la identificación de aquellas limitaciones en el procesamiento de datos basados en el conjunto de reglas definidas y la gestión del dominio del proceso. Se propone una revisión de literatura sobre el uso del aprendizaje profundo enfocado a los sistemas de inspección ópticos automatizados para la detección de defectos superficiales en el sector de la manufactura. El objetivo propuesto es de identificar las diferentes arquitecturas orientadas en redes neuronales convolucionales aplicadas en sistemas de inspección óptico con el fin de automatizar la extracción de características o patrones.

AB - El sector de la manufactura utiliza metodologías de aprendizaje automático supervisado que permiten mejorar procesos de inspección mediante la visión artificial. La inspección óptica automatizada ofrece eficiencia en el proceso de inspección para la detección de defectos en la fabricación de diversos productos. Este trabajo aporta con la identificación de aquellas limitaciones en el procesamiento de datos basados en el conjunto de reglas definidas y la gestión del dominio del proceso. Se propone una revisión de literatura sobre el uso del aprendizaje profundo enfocado a los sistemas de inspección ópticos automatizados para la detección de defectos superficiales en el sector de la manufactura. El objetivo propuesto es de identificar las diferentes arquitecturas orientadas en redes neuronales convolucionales aplicadas en sistemas de inspección óptico con el fin de automatizar la extracción de características o patrones.

KW - Automated Optical Inspection

KW - Convolutional Neural Networks

KW - Deep Learning

KW - Generalization

KW - Imbalance

KW - Manufacturing

KW - Optimizing Algorithms

KW - Automated Optical Inspection

KW - Convolutional Neural Networks

KW - Deep Learning

KW - Generalization

KW - Imbalance

KW - Manufacturing

KW - Optimizing Algorithms

UR - https://revistas.uteq.edu.ec/index.php/ingenio/article/view/680

U2 - 10.18779/ingenio.v6i2.680

DO - 10.18779/ingenio.v6i2.680

M3 - Artículo

SN - 2697-3642

VL - 6

SP - 1

EP - 19

JO - InGenio Journal

JF - InGenio Journal

IS - 6

ER -

Revisión de la Literatura sobre el Uso del Aprendizaje Profundo Enfocado en Sistemas de Inspección Ópticos Automatizados para la Detección de Defectos Superficiales en el Sector de la Manufactura

Resumen

Palabras clave

Areas de Conocimiento del CACES

Acceder al documento

Otros archivos y enlaces

Proyectos

Diseño de una metodología de formación en investigación de estudiantes de ingenierías (FINVE+I)

Citar esto