Algoritmo de visión artificial para el mantenimiento preventivo de un equipo de impresión 3D

Abstract

El presente trabajo de grado se centra en el desarrollo de un sistema innovador para el monitoreo en tiempo real de un equipo de impresión 3D, la investigación comprende tres com ponentes esenciales: detección de objetos, seguimiento ocular y comunicación IoT. En la fase de detección de objetos, se implementó una red neuronal convolucional, específicamente la RCNN Faster Inception V2, entrenada con un conjunto de datos compuesto por imágenes de tres equipos: un torno, una fresadora y una impresora 3D, el modelo permite identificar y dis tinguir los equipos en tiempo real, lo que constituye un avance fundamental. El seguimiento ocular se logra mediante el uso de un predictor, que permite identificar que equipo está siendo observado por el usuario, facilitando la interacción y el monitoreo específico. La comunicación IoT se establece através del protocolo MQTT, conectando sensores de temperatura y humedad ambiental, así como un sensor de temperatura y vibración en la impresora 3D, los datos de estos sensores se trasmiten en tiempo real a través de una red IoT, lo que proporciona información vital para el mantenimiento preventivo. Una interfaz de usuario desarrollada con PyQt5 integra la información de la visión por computadora y los datos de los sensores, brindando al usuario una visión completa del estado de los equipos y sus sensores en tiempo real. Este sistema no solo representa un avance tecnológico significativo en la gestión y mantenimiento de equipos de impresión 3D, sino que también demuestra la sinergia entre la visión artificial, el seguimiento ocular y la comunicación IoT. Los resultados de las pruebas confirman la eficacia y la viabili dad de esta solución en entornos de fabricación. Este enfoque innovador tiene el potencial de mejorar la eficiencia y la confiabilidad en la operación de impresoras 3D y puede aplicarse a otras áreas de la industria con necesidades de monitoreo en tiempo real.