Implementación de un sistema automatizado, mediante el uso de visión artificial para la clasificación del maracuyá, según su color de madurez y el uso de un sistema SCADA para el monitoreo de la productividad.

Abstract

La automatización de procesos, avanza a pasos agigantados, gracias a los grandes beneficios que estos sistemas brindan, como el aumento de la productividad, la reducción de costos y confiabilidad. El país es uno de los principales exportadores del maracuyá, y las empresas que procesan estas frutas, no cuentan con estos sistemas automatizados de gran eficiencia, es por esto, la necesidad de implementar, sistemas automáticos para las diferentes líneas de producción de esta fruta exótica. El presente proyecto consiste en la implementación de un prototipo automatizado que sea capaz de clasificar el maracuyá en función de su color de maduración, mediante las nuevas técnicas de control, que se utilizan en la industria 4.0, como lo es la visión artificial. Los instrumentos usados en esta técnica para este proyecto son: una Raspberry Pi 4 , ya que posee la capacidad de cálculo y memoria para el tratamiento de imágenes, también se usa el lenguaje de programación Python, y las librerías de OpenCV, donde se encuentra implementada la técnica HSV, que se la utiliza para la detección de los colores de la fruta, en tiempo real, por último se hace uso de la librería de código abierto Tensorflow, que sirve para el entrenamiento de una red neuronal que es capaz de detectar, si la fruta es un maracuyá o no. Un controlador lógico programable S7-1200, está a cargo de la regulación, de la velocidad de la banda, por medio, de un variador de frecuencia, y a su vez está encargado de controlar los sensores del sistema de clasificación. El proyecto también consta, con el diseño de un sistema SCADA, para el monitoreo de la productividad, y por último y no menos importante la implementación de un tablero de control, para mejorar la seguridad del sistema, en caso de que haya alguna falla técnica. La implementación del presente proyecto se realizó en el laboratorio de automatización de la “Universidad estatal península de Santa Elena”.