Publications

@article{suarez-castrillon_cuantificacion_2010,

title = {Cuantificación de la rugosidad superficial de piezas mecanizadasmediante análisis digital de imágenes},

author = {Alexci Suárez-Castrillón and Enrique Alegre and Joaquín Barreiro and Víctor González-Castro},

url = {https://dialnet.unirioja.es/servlet/articulo?codigo=9548341},

year  = {2010},

date = {2010-01-01},

urldate = {2010-01-01},

journal = {XXXI Jornadas de Automática Jaén 8-10 de septiembre de 2010: Comunicaciones},

pages = {21},

abstract = {Este artículo presenta un nuevo descriptor basado en máscaras de Laws para cuantificar la rugosidad superficial de piezas metálicas mecanizadas por torneado. Se utiliza un sistema de visión que analiza la textura de las imágenes para medir la rugosidad. El núcleo propuesto, una variación del R5R5 de Laws, muestra una tasa de acierto del 95,87%, 97,3% y 100% en clasificación con LDA, QDA y K-NN, respectivamente.},

note = {Publisher: Universidad de Jaén},

keywords = {Descriptores de Textura, Rugosidad, Sistema de Visión},

pubstate = {published},

tppubtype = {article}

}

@article{alegre_classification_2009,

title = {Classification and correlation of surface roughness in metallic parts using texture descriptors},

author = {Enrique Alegre and Joaquín Barreiro and Patricia Morala-Argüello and Víctor González-Castro},

url = {https://buleria.unileon.es/handle/10612/10895},

year  = {2009},

date = {2009-01-01},

urldate = {2009-01-01},

journal = {Annals of DAAAM & Proceedings},

pages = {1293–1295},

abstract = {Se presenta un método de clasificación de la rugosidad superficial en piezas metálicas mediante visión artificial. Se emplean descriptores de textura basados en GLCM y las leyes de textura, clasificados con LDA, QDA y redes neuronales. Los mejores resultados (94,23%) se obtienen con redes neuronales, mostrando su eficacia en la estimación de rugosidad.},

note = {Publisher: DAAAM International Vienna},

keywords = {GLCM, Leyes, Matriz de co-ocurrencia, Rugosidad, Textura de la superficie},

pubstate = {published},

tppubtype = {article}

}

@article{suarez-castrillon_evaluacion_nodate,

title = {Evaluación de diferentes tipos de iluminación para la clasificación de la rugosidad de piezas metálicas mediante análisis de imagen},

author = {Alexci Suárez-Castrillón and Enrique Alegre and Patricia Morala-Argüello and Joaquín Barreiro and Víctor González-Castro},

url = {https://buleria.unileon.es/handle/10612/10344},

abstract = {Este estudio clasifica la rugosidad de piezas metálicas en procesos de torneado mediante análisis de imagen y evalúa la influencia del ángulo de iluminación. Se emplean cuatro descriptores de primer orden (media, desviación estándar, asimetría y kurtosis) y el clasificador KNN. Se analizaron 284 imágenes, comparando los resultados con métodos tradicionales. Los errores obtenidos fueron: coaxial 0.70%, angular 9.68% y rasante 1.03%. Los resultados destacan la importancia de la iluminación en la medición de la rugosidad y la efectividad de los descriptores de textura.},

keywords = {Angular, Coaxial, Descriptores de Textura, Iluminación, Inspección, kNN, Rasante, Rugosidad},

pubstate = {published},

tppubtype = {article}

}