Integración de redes neuronales en sistemas empotrados. Clasificación de imagen con RaspberryPi

Abstract

[ES] Los sistemas empotrados basados en placas de pequeño tamaño y bajo coste pero de gran potencia, incorporan gran cantidad de dispositivos que los hacen especialmente atractivos para el desarrollo de aplicaciones en entornos industriales. En este Trabajo Fin de Grado se pretende desarrollar un prototipo de sistema empotrado que permita la adquisición de imágenes generando un conjunto de ellas (Data Set) para ser utilizadas en un proceso de entrenamiento basado en aprendizaje profundo (deep learning) y generar un modelo de red neuronal para ser utilizado para el reconocimiento de nuevas piezas. El prototipo a desarrollar estará formado por dos aplicaciones independientes que se ejecutarán en computadores diferentes conectados a través de la red. Las aplicaciones integran una capa de software de intermediación (middleware) que facilita la comunicación entre estas aplicaciones. Una de ellas se ejecutará en un sistema de propósito general y, a través de una interfaz gráfica, el operador interaccionará con el otro computador para la adquisición y reconocimiento de las imágenes. La otra aplicación se ejecutará en un sistema empotrado dedicado a la adquisición de imágenes. Este prototipo se utilizará en un entorno industrial de reconocimiento de golosinas con el fin de etiquetarlas y controlar el empaquetado.

[EN] Embedded systems based on small, low-cost but high-powered boards, incorporate a large number of devices that make them especially attractive for the development of applications in industrial environments. In this TFG, the aim is to develop a prototype of an embedded system that allows the acquisition of images generating a set of them (Data Set) to be used in a training process based on deep learning (deep learning) and to generate a neural network model to be used for the recognition of new parts. The prototype to be developed will be formed by two independent applications that will be executed in different computers connected through the network. The applications integrate a layer of intermediary software (middleware) that facilitates the communication between these applications. One of them will be executed in a general purpose system and, through a graphic interface, the operator will interact with the other computer for image acquisition and recognition. The other application will run on an embedded system dedicated to image acquisition. This prototype will be used in an industrial candy recognition environment for the purpose of candy labeling and packaging control.

[CA] Els sistemes encastats basats en plaques de grandària reduida i baix cost però de gran potència, incorporen una gran quantitat de dispositius que els fan especialment atractius per al desenvolupament d’aplicacions en entorns industrials. En aquest Treball Fi de Grau es pretén desenvolupar un prototip de sistema encastat que permeta l’adquisició d’imatges generant un conjunt d’elles (Data Set) per a ser utilitzades en un procés d’entrenament basat en aprenentatge profund (deep learning) i generar un model de xarxa neuronal per a ser utilitzat per al reconeixement de noves peces. El prototip a desenvolupar estarà format per dues aplicacions independents que s’executaran en computadors diferents connectats a través de la xarxa. Les aplicacions integren una capa de programari d’intermediació (middleware) que facilita la comunicació entre aquestes aplicacions. Una d’elles s’executarà en un sistema de propòsit general i, a través d’una interfície gràfica, l’operador interaccionarà amb l’altre computador per a l’adquisició i reconeixement de les imatges. L’altra aplicació s’executarà en un sistema encastat dedicat a l’adquisició d’imatges. Aquest prototip s’utilitzarà en un entorn industrial de reconeixement de llepolies amb la finalitat d’etiquetar-les i controlar l’empaquetat.