Desarrollo de un prototipo para la identificación de referencias en dispositivos médicos mediante el uso de herramientas Open Source y técnicas de visión por computadora

Abstract

RESUMEN: En la industria es muy común usar etiquetas sobre los productos para mantener un registro y trazabilidad de estos en el tiempo, y en los dispositivos médicos no es la excepción. Los lectores o sensores se encargan de obtener la información de las diferentes codificaciones existentes y con ellos se aumenta la confiabilidad y precisión en la información guardada. Por medio de la visión por computadora, esta lectura y captura de información se puede dar de manera más precisa y por medio de dispositivos alternativos, como los smartphones, permitiendo mayor versatilidad en la mejora de procesos. En el presente trabajo se planteó el desarrollo de un prototipo para la captura y procesamiento de imágenes por medio de la visión por computadora, con el método de OCR (Optical Character Recognition), con software open source como Python, OpenCV y Tesseract para el reconocimiento de referencias (etiquetas) de productos de la empresa Industrias Médicas Sampedro. Se estableció un protocolo para la adquisición de imágenes; 20 fotos fueron tomadas por cada referencia, con un total de 100 fotos para probar el algoritmo. Se usaron técnicas de preprocesamiento (binarización, transformación morfológica, filtrado/remoción de ruido, umbralización) para la obtención de información de las palabras extraídas por medio de la librería compatible con Python, Pytesseract. Se evaluó la precisión del algoritmo; es decir, la cantidad de veces que acertó en el reconocimiento de caracteres. Después se realizó una comparación de la información de entrada con una base de datos predefinida. Como resultados en la parte de precisión del algoritmo, éste tuvo fallos en reconocer fotos asociadas a las dos últimas referencias establecidas, lo cual hizo que el prototipo tuviera una precisión del 89%; se realizaron algunas validaciones y correcciones. Al final, la precisión global aumentó al 100%.