Campus

Ikusmen artifiziala eta deep learninga

Deep Learning irudi industrialen prozesatzeko, oztopoen detekziorako eta nabigaziorako

Ikusmen artifizialeko algoritmoak garatzea mugikortasun adimendunari, mantentze-lan prediktiboari eta robotika mugikor industrialari aplikatuta.

  • 2023 - 2025
  • Bukatuta
  • EAE
  • Finantzaketa: Mobility Lab Fundazioa

Zer da proiektua?

Proiektuak Deep Learning algoritmoak garatzen ditu irudi industrialen prozesaketarako, oztopoen detekziorako eta ikusmenean oinarritutako nabigazio adimendunerako. Lanak hiru ildo nagusi ditu:

- Ikusmenean eta neurona-sare sakonetan oinarritutako nabigazio-algoritmoak garatzea.

- Inguruneko elementuetatik abiatuz, patroi fiduziario naturalak ezagutzea, markatzaile espezifikoen bidez aldatu beharrik gabe.

- Ibilbideak, energia-kontsumoa eta mantentze-lan prediktiboak optimizatzea, ibilgailuen balio-bizitza soberakina kalkulatuz.

Erronka: ikusmen artifiziala mugikortasun adimendunerako

Mugikortasun autonomo eta industrialeko sistemek ingurunea interpretatu behar dute, zehaztasunez nabigatu eta akatsak aurreikusi, azpiegitura artifizialen menpe egon gabe

  • Ingurunea aldatu gabe nabigatzea

    Erronka da ibilgailuak aurkitzea eta gidatzea, inguruko patroi naturalak erabiliz, markatzaile espezifikorik jarri gabe.

  • Oztopoak eta distantziak detektatzea

    Barnealdeko ibilgailu autonomoek objektuak detektatu eta distantziak fidagarritasunez kalkulatu behar dituzte.

  • Matxurei aurrea hartzea

    Mantentze-lan prediktiborako, balio-bizitza soberakina zenbatetsi behar da, ibilgailu batek erabilgarri egoteari noiz utz diezaiokeen jakiteko.

  • Ibilbideak eta energia optimizatzea

    Roboten eta ibilgailu industrialen ibilbideek kontsumoak murriztu behar dituzte, eta benetako operazio-baldintzetara egokitu.

Proiektuaren ikuspegia

El proyecto combina visión artificial, redes neuronales profundas y colaboración industrial para desarrollar sistemas inteligentes de navegación, detección y mantenimiento predictivo.

  • Irudi industrialei aplikatutako Deep Learning
  • Ikusmen eta patroi naturaletan oinarritutako nabigazioa
  • RULa, ibilbideak eta energia-kontsumoa optimizatzea

Ikuspegi horrek aukera ematen du doktoretza-ikerketa, baliozkotze zientifikoa eta transferentzia inguruko enpresetara konektatzeko:

  • Patroi fiduziario naturalak hautematen ditugu, ingurune fisikoa aldatu gabe
  • Nabigazio eta detekzio algoritmoak garatzen ditugu ibilgailu autonomoentzat
  • Ibilgailuen balio-bizitza soberakina kalkulatzen dugu, mantentze-lanak hobetzeko
  • Lankidetza berriak ireki ditugu IA industrialean eta robotika mugikorrean

Proiektuaren helburuak

Deep Learning algoritmoak garatzea ikusmen artifizialerako, nabigazio adimendunari, oztopoen detekzioari eta ibilgailuen mantentze-lan prediktiboari aplikatuta.

  • 1

    Ikusmenean oinarritutako nabigazioa garatzea

  • 2

    Patroi fiduziario naturalak detektatzea

  • 3

    Irudi industrialak prozesatzea Deep Learning erabiliz

  • 4

    Mantentze-lanak RUL bidez optimizatzea

  • 5

    Ibilbideak eta energia-kontsumoa hobetzea

Proiektuaren argitalpenak

  • Mena-Almonte et al. (2025)

    Efficient Robot Localization Through Deep Learning-Based Natural Fiduciary Pattern Recognition.

  • Cabezas-Olivenza et al. (2024)

    Navigation Algorithm Based on Reinforcement Learning and Genetic Algorithm.

  • Azurmendi et al. (2023)

    Simultaneous Object Detection and Distance Estimation for Indoor Autonomous Vehicles.

  • Jarraipen zientifikoa

    Iker Azurmendiren doktore-tesia, industria-tesia Nekane Uriarterekin eta industria-tesia Danel Ricorekin.

Ekoizpen zientifikoa eta transferentzia

Ikerketa aplikatua ikusmen artifizialean, nabigazio autonomoan eta mantentze prediktiboan

Argitalpen indexatuak

Deep Learning, nabigazioa eta ibilgailu autonomoak

Proiektuak hiru argitalpen sortu ditu patroi naturalen bidezko lokalizazio robotikoari buruzko aldizkari indexatuetan, errefortzu bidezko ikaskuntzarekin eta algoritmo genetikoarekin egindako nabigazioan eta distantzia zenbatesten duten objektuen detekzioan, barneko ibilgailu autonomoetarako.

Transferentzia abian:

  • Centro Stirling / MC3

    Ibilgailuen RULa optimizatzea eta mantentze-lan prediktiboak egitea neurona-sare sakonen bidez

  • Aldakin

    Robot mugikor industrialen ibilbideetan energia-kontsumoa optimizatzera bideratutako lankidetza.

Irtenbidea: IA ikusmen eta nabigazio adimendunerako

Deep Learning algoritmo-multzo bat, industria-mugikortasuneko sistemetan irudiak interpretatzeko, oztopoak detektatzeko, nabigatzeko eta akatsak aurreikusteko.

Garapen-ildoak:

  • Ikusmenean oinarritutako nabigazioa

  • Patroi fiduziario naturalak

  • Objektuak eta distantzia detektatzea

  • RULa optimizatzea

  • Ibilbide eraginkorrak

Gaitasun teknologikoak:

  • Robotak aurkitzen ditu markagailu artifizialik gabeko inguruneko patroien bidez

  • Ea ezagutzen dituen ikusizko erreferentzia naturalak nabigazioari laguntzeko.

  • Barneko ibilgailu autonomoetan objektuak detektatzen ditu eta distantziak zenbatesten ditu.

  • Matxurak aurreikusteko geratzen den balio-bizitza kalkulatzen du.

  • Ibilbide eraginkorragoak eta energia gutxiago kontsumitzen laguntzen du.

Taldea eta kolaborazioak

IA industrialean, ikusmen artifizialean, nabigazio autonomoan eta mantentze-lan prediktiboan oinarritutako proiektua, doktoretza-tesietan eta enpresa-kolaborazioetan jarraipena duena

Finantzaketa

Gasteizko Mobility Lab-ek finantzatutako proiektua
Burutzeko epea: 2023-2025