Desarrollo de un sistema para el reconocimiento de dígitos en las lecturas de las pantallas ("displays") de instrumentos de presión mediante técnicas de procesamiento de imágenes, visión e inteligencia artificial para almacenamiento en una base de datos

Abstract

La calibración de los manómetros de presión constituye un proceso imprescindible que asegura la trazabilidad, la fiabilidad y la seguridad en el ámbito industrial. Sin embargo, en gran parte de la instrumentación de presión no existen interfaces digitales de acceso para poder obtener las lecturas, las cuales dependen de métodos manuales, lentos y propenso a errores de transcripción. Ante esta problemática, en el presente trabajo se presenta un sistema de reconocimiento automático de los dígitos de las pantallas digitales de los instrumentos de presión, investigando para ello técnicas de procesamiento de imágenes, de visión por computador y de inteligencia artificial. La metodología utilizada en este estudio incluye las etapas de adquisición y preprocesamiento de imagen, segmentación de regiones de interés, y OCR (del inglés Optical Character Recognition), usando modelos de aprendizaje profundo soportados en CNN (del inglés Convolutional Neural Network) y detección soportada en YOLO. Se llevó a cabo la implementación de este sistema desarrollando una base de datos local donde estarían guardados los registros con un sello temporal y clave de dispositivo y una interfaz gráfica que permita capturar, validar y enviar imágenes. Finalmente, la experimentación concluyó que el modelo CNN alcanza métricas por encima del 95 % en precisión, recall y F1-Score en los conjuntos de validación y de prueba, mientras que la implementación de YOLO permite la detección robusta de la región de los dígitos (dígitos en condiciones de variabilidad de la iluminación). También se muestra la reducción del tiempo que requiere el procesamiento del registro si se compara contra el procesamiento manual del registro, lo que mejora la eficiencia y disminuye el riesgo de errores de transcripción. Los resultados demuestran la viabilidad de esta propuesta como la alternativa no intrusiva para digitalizar los instrumentos de presión sin interfaces de comunicación estándar, a la vez que están absolutamente ligados a la optimización de los procesos metrológicos en la transición hacia laboratorios inteligentes y trazables en la Industria 4.0.