Medición automática da rugosidade superficial de pezas metálicas fabricadas mediante fusión selectiva por láser usando aprendizaxe fondo
| Autoría | David Aldea Alonso |
| Data de defensa | 14/09/2023 |
| Titulación | Máster Universitario en Industria 4.0 |
| Centro | Escola de Enxeñaría Industrial |
| Dirección |
Titoría: Gustavo Carlos Peláez Lourido Cotitoría: Eduardo Fidalgo Fernández Cotitoría: Francisco Jáñez Martino |
| Tribunal |
Secretaría: Alejandro Pereira Domínguez Presidencia: Antonio Fernández Ulloa Vogalía: Víctor González Castro |
| Resumo | No actual contexto tecnolóxico permitiuse o desenrolo da denominada Industria 4.0 que ten entre os seus obxectivos a Fabricación Intelixente e con Cero Defectos. Neste traballo, búscase medir automáticamente a rugosidade superficial (parámetro Ra) de pezas metálicas elaboradas mediante a tecnoloxía de fusión selectiva por láser (SLM, das suas siglas en inglés) de fabricación aditiva mediante visión artificial e aprendizaxe automático. Primeiro, revisouse a literatura sobre fabricación aditiva, control de calidade, aprendizaxe automático, aprendizaxe fondo e visión por computadora, especialmente aqueles traballos sobre a fase de extracción de características, coñecidos como descriptores. Dacordo ao estado do arte decidiuse usar tres modelos pre-entrenados de aprendizaxe fondo como descriptores, ResNet50, VGG16 e MobilenetV2, seguindo un enfoque de aprendizaxe por transferencia. Preséntase un modelo intelixente basado en tres fases, unha primera de preprocesado, unha extracción de características con descriptores e finalmente, unha de regresión. Combináronse e evaluaronse catro tipos de preprocesado cos tres modelos pre-entrenados e dous populares modelos de regresión, regresión lineal e regresión de vectores de soporte (SVR, das suas siglas en inglés). O noso conxunto de datos de entrenamento conta con imaxes de tres pezas fabricadas mediante SLM. |