Generación de datasets de imágenes sintéticas, análisis de resultados con CNNs y estudio de aplicación en escenarios industriales.

Para conseguir resultados satisfactorios, los algoritmos de detección de objetos basados en CNNs requieren de datasets amplios. La generación de estos puede realizarse de forma manual o automatizada. En escenarios industriales, donde los tiempos para la implantación de proyectos son reducidos, conviene disponer de una forma ágil de obtener datasets. En este trabajo se aporta una metodología para la generación de datasets de imágenes RGB sintéticas a partir de BlenderProc. Además, se realiza un análisis de los resultados obtenidos al introducir un dataset de estas características al detector de objetos YOLOv5. También, se analiza el potencial de esta herramienta para obtener información más sofisticada, como el vector normal a una superficie. Por último, se realiza un breve estudio sobre el potencial de esta herramienta en entornos industriales.