tesis para estudiantes de ingenieria electronica ale

1. SISTEMA DE DISCRIMINACIÓN DE METALES
HERNÁN DARÍO GUZMÁN
CAMILO CARLOS ROA
Trabajo de grado para optar por el título de
Ingeniero Electrónico
Director
CARLOS PARRA
Ingeniero Electrónico Ph.D.
PONTIFICIA UNIVERSIDAD JAVERIANA
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA ELECTRÓNICA
BOGOTÁ
2004

2. PONTIFICIA UNIVERSIDAD JAVERIANA
FACULTAD DE INGENIERÍA
CARRERA DE INGENIERÍA ELECTRÓNICA
RECTOR MAGNIFICO: R.P. GERARDO REMOLINA S.J.
DECANO ACADÉMICO: Ing. ROBERTO ENRIQUE MONTOYA VILLA
DECANO DEL MEDIO UNIVERSITARIO: R.P. ANTONIO JOSÉ SARMIENTO NOVA S.J.
DIRECTOR DE CARRERA: Ing. JUAN CARLOS GIRALDO CARVAJAL
DIRECTOR DEL PROYECTO: Ing. CARLOS PARRA P.H.D.
ii

3. ARTÍCULO 23 DE LA RESOLUCIÓN No. 13 DE JUNIO DE 1946
“La universidad no se hace responsable de los conceptos emitidos por sus alumnos en sus
proyectos de grado.
Sólo velará porque no se publique nada contrario al dogma y la moral católica y porque los
trabajos no contengan ataques o polémicas puramente personales. Antes, bien que se vea en
ellos el anhelo de buscar la verdad y la justicia”.
iii

4. Este no es el final
sino, simplemente, un paso más
en el continuo proceso de aprendizaje.
Camilo
A mis padres,
a mis hermanos,
a mis amigos.
Nacho
iv

5. AGRADECIMIENTOS
Siempre hemos considerado este proyecto como una colcha de retazos en donde casi todos
los que conocemos han aportado algo de una u otra forma, muchas veces sin saberlo. Es por
eso que al finalizar este proyecto nos sentimos con la responsabilidad de agradecer a todos
aquellos que contribuyeron a llevarlo a buen término.
Al ingeniero Carlos Parra que hace un año nos embarco y confió esta empresa, sin sus
aportes y su colaboración no habría sido posible finalizarla. A nuestras familias, piedras
angulares de todo este proceso, sin su apoyo cualquier intento habría sido inútil. A Freddy
que siempre tuvo muy claro lo que se debía hacer y nos asesoró en los momentos más
difíciles. A los Javieres por atender nuestras dudas cuando fue necesario. A todos los
profesores de planta que estuvieron continuamente dispuestos a colaborar y a darnos
consejo. A las novias, amantes, amigas, compañeras, entre otras por... servir como válvula
de escape al estrés diario. A los compañeros de Dispro, Arquitectura, Diseños y demás por
“prestarnos” casi todos los componentes que necesitamos. A los compañeros de cubículo
por hacer más agradable y llevadero el trabajo y por evitar caer en la monotonía. A todos los
que creyeron.
v

6. TABLA DE CONTENIDO
LISTA DE FIGURAS ................................................................................................... viii
LISTA DE TABLAS ........................................................................................................ x
1. INTRODUCCIÓN........................................................................................................ 1
2. MARCO TEÓRICO ..................................................................................................... 4
2.1 ANTECEDENTES ................................................................................................. 4
2.1.1 Trabajos investigativos en el área de clasificación de objetos metálicos ........ 4
2.1.2. Trabajos de campo en la evaluación de detectores de metales....................... 5
2.1.3. Proyecto SCAN I ............................................................................................ 6
2.2 DETECTORES DE METALES............................................................................. 6
2.2.1 Detectores de dominio en frecuencia .............................................................. 7
2.2.2 Detectores de dominio en tiempo .................................................................... 7
2.2.3 Detector VLF................................................................................................... 8
2.3 SISTEMAS DE CLASIFICACIÓN DE PATRONES ........................................... 8
2.3.1 Lógica difusa ................................................................................................... 8
2.3.2 Redes neuronales ............................................................................................. 9
2.4 GLOSARIO .......................................................................................................... 10
3. ESPECIFICACIONES ............................................................................................... 12
3.1 ESPECIFICACIONES DEL DETECTOR........................................................... 12
3.2 ESPECIFICACIONES DEL HARDWARE ........................................................ 13
3.3 ESPECIFICACIONES Y REQUERIMIENTOS DEL SOFTWARE .................. 14
4. DESARROLLO.......................................................................................................... 15
4.1 CONSTRUCCIÓN Y CARACTERZACIÓN DEL DETECTOR ....................... 15
4.1.1 Construcción del sensor................................................................................. 15
4.1.2 Caracterización del detector .......................................................................... 18
4.2
DISEÑO Y CONSTRUCCIÓN DEL HARDWARE DE CONTROL .......... 21
4.2.1 Cálculo del desfase y medición del voltaje pico............................................ 23
4.2.2 Comunicación................................................................................................ 24
4.2.3 Alimentación ................................................................................................. 25
4.2.4 Modos de operación ...................................................................................... 25
4.2.5 Circuito impreso ............................................................................................ 27
4.2.6 Captura de datos con el hardware.................................................................. 28
4.2.7 Determinación de la frecuencia óptima de detección.................................... 31
4.3
DISEÑO E IMPLEMENTACIÓN DEL SOFTWARE DE
DISCRIMINACIÓN................................................................................................... 32
4.3.1 Menús Comunes ............................................................................................ 33
4.3.2 Modo Detección ............................................................................................ 34
4.3.3 Modo Discriminación .................................................................................... 38
4.3.4 Modo Imagen Electromagnética.................................................................... 43
4.3.5 Calibración del Detector................................................................................ 47
4.3.6 Manejo de Archivos ...................................................................................... 54
4.37 Sistemas de discriminación ............................................................................ 55
5. ANÁLISIS DE RESULTADOS................................................................................. 61
5.1 RESULTADOS DE LA CARACTERIZACIÓN DEL DETECTOR .................. 61
5.1.1 Consideraciones Finales en la Caracterización ............................................. 68
vi

7. 5.2 RESULTADOS DE LOS DATOS TOMADOS CON EL HARDWARE DE
CONTROL ................................................................................................................. 68
5.2.1 Frecuencia Óptima......................................................................................... 71
5.2.2 Detección por desfase.................................................................................... 73
5.3 SISTEMAS DE DISCRIMINACIÓN .................................................................. 74
5.3.1 Redes neuronales ........................................................................................... 74
5.3.2 Lógica difusa ................................................................................................. 75
5.4 PRUEBAS DEL SISTEMA ................................................................................. 75
5.4.1 Pruebas de Repetitividad ............................................................................... 83
5.4.2 Independencia del circuito a fuentes de alimentación externa ...................... 84
5.4.3 Pruebas de Temperatura ................................................................................ 84
5.5. CONCLUSIONES DE LOS RESULTADOS..................................................... 85
5.6. COSTO DEL PROYECTO ................................................................................. 86
6. CONCLUSIONES...................................................................................................... 88
6.1 TRABAJO FUTURO ........................................................................................... 88
7. BIBLIOGRAFIA Y FUENTES DE INFORMACIÓN .............................................. 90
ANEXOS ........................................................................................................................ 91
vii

8. LISTA DE FIGURAS
Figura 3-1. Posición de los devanados del detector. ...................................................... 12
Figura 4-1. Fases del proyecto........................................................................................ 15
Figura 4-2. Devanados y su posición final ..................................................................... 16
Figura 4-3. Forma del bobinado primario y sensor terminado. ...................................... 17
Figura 4-4. Sensores construidos.................................................................................... 18
Figura 4-5. Blancos utilizados........................................................................................ 19
Figura 4-6. Diagrama en bloques del sistema de pruebas. ............................................. 20
Figura 4-7. Esquema del hardware de control y envío. .................................................. 21
Figura 4-8. Diagrama en bloques del cálculo del desfase. ............................................. 23
Figura 4-9a. Impreso del circuito final. .......................................................................... 27
Figura 4-9b. Impreso y caja............................................................................................ 27
Figura 4-10a. Conector RJ11 y correspondencia de los pines........................................ 28
Figura 4-10b. Conector para el detector y correspondencia de los pines. ...................... 28
Figura 4-10c. Conector circular y correspondencia de los pines.................................... 28
Figura 4-11. Patrones utilizados para calibrar el discriminador..................................... 29
Figura 4-12a. Equipo y montaje para toma de muestras. ............................................... 30
Figura 4-12b. Equipo y montaje para toma de muestras. ............................................... 30
Figura 4-13. Montaje para toma de muestras. ................................................................ 30
Figura 4-14. Montaje para la toma de muestras. ............................................................ 30
Figura 4-15. Posiciones del detector con respecto al patrón .......................................... 31
Figura 4-16. Menú principal del Sistema de Discriminación de Metales. ..................... 32
Figura 4-17. Función Propiedades del Puerto. ............................................................... 34
Figura 4-18. Ventana del modo detección...................................................................... 35
Figura 4-19. Gráfica dinámica del modo detección. ...................................................... 37
Figura 4-20. Ventana del modo de discriminación con red neuronal............................. 39
Figura 4-21. Ventana del modo de discriminación con estructura fuzzy. ...................... 42
Figura 4-22. Tipos de barrido......................................................................................... 43
Figura 4-23. Ventana del modo de imagen electromagnética. ....................................... 44
Figura 4-24. Estructura de la matriz de datos................................................................. 45
Figura 4-25. Imagen electromagnética. .......................................................................... 46
Figura 4-26. (izq.) vista 3D de una lámina de cobre, (der.) vista inferior de una lámina
de cobre. ......................................................................................................................... 47
Figura 4-27. Ventana de la secuencia de calibración. .................................................... 49
Figura 4-28. Correspondencia entre la Matriz de Entradas y la de Salidas.................... 50
Figura 4-29. Diagrama en bloques del modo “Secuencia de Calibración”. ................... 51
Figura 4-30. Arquitectura de la red ................................................................................ 56
Figura 4-31. Gráficas de entrenamiento con 5000 épocas.............................................. 57
Figura 4-32. Funciones de pertenencia para la entrada Desfase 1 del detector Argos. .. 59
Figura 4-33. Resultado de la estructura de lógica difusa Argosfuzzy usando el fuzzy
logic toolbox “fuzzy”. .................................................................................................... 60
Figura 5-1. Corrientes Vs. Frecuencia para Úrsula. ....................................................... 61
Figura 5-2. Voltajes Vs. Frecuencia para Úrsula............................................................ 61
Figura 5-3. Desfases Vs. Frecuencia para Úrsula........................................................... 62
Figura 5-5. Desfases Vs. Frecuencia. (Detector Minifat)............................................... 65
Figura 5-6. Desfases Vs. Frecuencia. (Detector Amaranta Úrsula). .............................. 65
Figura 5-7. Área de mayor detección del detector.......................................................... 66
viii

9. Figura 5-8a. Voltaje bobinado secundario vs. Frecuencia para Ursulittle...................... 67
Figura 5-8b. Voltaje bobinado secundario vs. Frecuencia para Minifat ........................ 67
Figura 5-9. Voltajes vs. Frecuencia, selección frecuencia óptima de trabajo. ............... 72
Figura 5-10a. Imagen electromagnética de una lámina de Aluminio, detector Argos ... 76
Figura 5-10b. Vista superior de la imagen electromagnética de una lámina de Aluminio,
detector Argos ................................................................................................................ 76
Figura 5-11. Procedimiento utilizado para tomar la imagen electromagnética de la figura
5-10................................................................................................................................. 76
Figura 5-12a. Imagen electromagnética de un “arco de hierro”, detector Baco............. 77
Figura 5-12b. Vista superior de la imagen electromagnética de un “arco de hierro”,
detector Baco. ................................................................................................................. 77
Figura 5-13. Captura de la imagen electromagnética del“arco de hierro”, detector Baco.
........................................................................................................................................ 77
Figura 5-14a. Proceso para la imagen electromagnética de 5 objetos............................ 78
Figura 5-14b. Imagen electromagnética de 5 objetos..................................................... 78
Figura 5-15a. Imagen electromagnética de los tornillos................................................. 79
Figura 15b. Tornillos barridos sobre tierra..................................................................... 79
Figura 5-16. Objetos para probar los sistemas de clasificación. .................................... 80
ix

10. LISTA DE TABLAS
Tabla 3-1. Especificaciones de los detectores usados. ................................................... 13
Tabla 3-2. Principales especificaciones del hardware. ................................................... 14
Tabla 3-3. Principales especificaciones y requerimientos del software. ........................ 14
Tabla 4-1. Especificaciones de los blancos. ................................................................... 18
Tabla 4-2. Modos de operación parámetros de entrada/salida. ...................................... 25
Tabla 4-3. Especificaciones de los patrones de medida. ................................................ 29
Tabla 4-4. Modos del software y parámetros. ................................................................ 33
Tabla 4-3. Asignación de los valores de salida de la red................................................ 56
Tabla 5-1. Desfase medio y desviación estándar para los 5 blancos. (detector Úrsula). 63
Tabla 5-2. Desfase medio y desviación estándar para los 5 blancos (detector Ursulittle).
........................................................................................................................................ 64
Tabla 5-3. Desfase medio y desviación estándar para los 5 blancos (detector Minifat). 64
Tabla 5-4. Desfase medio y desviación estándar para los 5 blancos (detector Amaranta
Úrsula). ........................................................................................................................... 65
Tabla 5-6. Rangos de los patrones de medida para el detector Argos............................ 69
Tabla 5-7. Rangos de los patrones de medida para el detector Baco. ............................ 69
Tabla 5-9a. Pruebas de discriminación con el detector Argos. ...................................... 81
Tabla 5-9b. Pruebas de discriminación con el detector Baco......................................... 83
Tabla 5-10. Variación del desfase y el voltaje pico para el detector Argos al variar la
temperatura. .................................................................................................................... 84
Tabla 5-11. Costos del proyecto..................................................................................... 87
x

11. 1. INTRODUCCIÓN
La continua evolución del hombre tiene como motor el deseo de descubrir, la necesidad natural
de entender el mundo que nos rodea. Esta curiosidad innata es la que nos obliga a crear
instrumentos con los que podamos explorar lo que nuestros limitados sentidos no alcanzan a ver
de forma que tales instrumentos se convierten en partes fundamentales para el enriquecimiento
del saber colectivo.
Cualquiera que trabaje con instrumentos de medida debe estar familiarizado con el error y la
incertidumbre. Según el principio de incertidumbre de Heisenberg es imposible determinar la
posición y la velocidad de una partícula al mismo tiempo con absoluta precisión, lo que en
términos prácticos indica que no importa que tan preciso sea un instrumento de medida, nunca
se tendrá una certeza absoluta sobre lo que se mide, es imposible conocer perfectamente el
universo en el que nos movemos. Sin embargo este principio antes que desalentar a los
investigadores los anima a desarrollar nuevos modelos, nuevos métodos y nuevos instrumentos
para conocer el mundo si no con una certeza absoluta si con una satisfactoria.
Estos instrumentos de medida se encuentran presentes en todas las áreas de la vida del ser
humano, desde la exploración espacial hasta la excavación minera, desde la simple medición de
una distancia hasta el cálculo de la velocidad de una estrella, para todo se necesita un
instrumento que diga, con una certeza satisfactoria, lo que nuestros sentidos no alcanzan a
percibir.
El instrumento de medida ideal debe sensar pero no alterar, percibir pero no modificar, captar
pero no transformar el objeto de medida pues qué sentido tiene un instrumento que cambie lo
que se mide, se estaría trabajando siempre sobre datos erróneos. Para esto se han desarrollado
técnicas, que con información que en principio parece escasa, logran una comprensión casi
completa del objeto de medida sin afectarlo. Es el caso de la detección de metales que utiliza los
cambios en un campo electromagnético específico para determinar la presencia de un objeto
metálico cercano. La detección de metales tiene su principal aplicación en la búsqueda de
objetos metálicos bajo la tierra, desde los primeros detectores por inducción, que en sus inicios
no pasaban de ser un hobby para aquellos que buscaban tesoros en la playa, hasta las técnicas
más modernas que involucran sistemas robóticos inteligentes. Esta posibilidad de “ver” bajo la
tierra sin removerla es bien recibida y brinda soluciones viables a problemas tan graves como
las minas antipersonales.
1

12. El problema de las minas antipersonales atrae cada vez más la atención del mundo entero,
concientizándolo del terrible drama que sufren las víctimas de ellas, en su mayoría población
civil ajena al conflicto armado, los esfuerzos de los gobiernos a los que esta tragedia toca
directamente han llevado a que más de 100 países ratifiquen la prohibición del empleo,
almacenamiento, producción y transferencia de minas antipersonales [12], sin embargo la
legislación no remueve las más de 65 millones de minas que se encuentran enterradas en cerca
de 56 países, entre ellos Angola, Colombia, Croacia y Afganistán. De estas bombas son
victimas más de 2000 personas cada mes en todo el mundo, según la cruz roja internacional. Por
ello y por ellos se hace imperativa e inminente una solución que, de manera eficiente, posibilite
la remoción de estos mortíferos artefactos.
El principal problema del desminado humanitario, término con el que se le conoce a la remoción
de minas antipersonales con fines humanitarios, es su ineficiencia pues los detectores de metales
convencionales no logran distinguir entre una mina o un pedazo de metal enterrado, para ellos
ambos son metal y por lo tanto lo detectan, esto genera gran cantidad de errores (falsas alarmas),
una enorme perdida de tiempo y en muchos casos pérdidas humanas, todo esto sumado al hecho
de que los grupos que “plantan” estas minas hacen todo lo posible por confundir a los detectores
(enterrando también puntillas, latas o cualquier objeto metálico que dificulte el proceso de
desminado) obligan a los investigadores a buscar nuevos métodos, que mejoren la eficiencia del
desminado humanitario, reduzcan al mínimo los errores y salven vidas humanas.
Una forma de reducir los errores es la que se plantea en este proyecto, a través de la
discriminación de metales y de la imagen electromagnética del terreno, la primera hace
referencia a la clasificación del metal que se detecta dentro de un grupo de metales establecido
para así poder descartar las falsas alarmas y la segunda es una forma de “ver” bajo la superficie,
analizando la respuesta electromagnética del terreno; de esta forma se aprovecha al máximo la
información que se obtiene de una simple alteración en el campo electromagnético de un
detector.
Con los avances logrados en los últimos años en materia de detectores, la posibilidad de
diferenciar metales ha empezado a interesar a la comunidad científica. La búsqueda de sistemas
inteligentes que logren, de manera independiente, discriminar metales se ha convertido en un
objetivo de gran importancia, especialmente en países con campos sembrados de minas
antipersonales que atentan contra la población civil, como es el caso de Colombia.
2

13. Con esta técnica de discriminación de metales se pretende dar un paso adelante en la
investigación y desarrollo de este tipo de sistemas en nuestro país. Con base en el detector de
metales utilizado en el proyecto SCAN I [3] y con el objetivo de mejorar algunas de sus
características, en este caso el mecanismo de detección, se diseñó e implementó un sistema que
logra clasificar tres tipos diferentes de metales (aluminio, hierro y cobre), obtiene la respuesta
electromagnética del terreno y cumple con la función básica de detectar, de manera que el
usuario tiene un mejor criterio de decisión en la detección de objetos metálicos y de minas
antipersonales, lo que a su vez se traduce en un ahorro de tiempo, esfuerzo, dinero y sobre todo
vidas humanas.
3

14. 2. MARCO TEÓRICO
2.1 ANTECEDENTES
El estudio de sensores en la detección de metales ha interesado al hombre desde hace muchos
años. Sin embargo, no fue sino hasta la aparición de los detectores por inducción
electromagnética que los interesados en el tema tuvieron un instrumento confiable y la base
teórica necesaria para iniciar sus estudios. En la última década, han aparecido diversos trabajos
enfocados al tratamiento de las señales generadas por estos sensores, de forma que se pueda
extraer la mayor cantidad de información de estas. A partir de dicha información, se determina
la posición, profundidad e incluso el tipo de metal que se está detectando.
Los detectores por inducción electromagnética que trabajan en el dominio del tiempo presentan
grandes limitantes a la hora de discriminar el tipo de metal, puesto que únicamente logran sensar
la posición en la cual se encuentra un objeto metálico y su concentración, pero no el tipo de
metal. Estos sensores producen un pulso en una sola frecuencia y de acuerdo a la señal inducida
emiten un sonido, entre más frecuente sea el sonido más cercano estará el objeto.
Por otro lado los sensores de dominio en frecuencia permiten mediante la comparación de la
fase y amplitud de la señal inducida, determinar el tipo de metal sensado. Estos detectores
trabajan en un rango amplio de frecuencias, cada tipo de metal produce un reflejo diferente en
fase y/o amplitud, este reflejo puede ser comparado por algún método analítico o de
reconocimiento de patrones y así clasificar el tipo de metal, su concentración, posición, etc.
Muchos autores han trabajado dichos métodos de forma teórica y experimental, algunos se
basan en el criterio de decisión bayesiano aplicándolo a modelos de filtros acoplados en ciertos
casos, otros han usado métodos de reconocimiento de patrones y algunos otros se enfocan en las
características de los suelos, factor que afecta directamente la detección.
2.1.1 Trabajos investigativos en el área de clasificación de objetos metálicos
Diversos artículos publicados en la IEEE dan una idea del estado del arte actual en el ámbito
internacional. Los trabajos de Ping Gao y Leslie Collins [6], [7] se han enfocado, básicamente,
en la detección y clasificación de metales, así como en el modelamiento de señales estáticas y
4

15. electromagnéticas aplicadas. Junto con otros profesionales han desarrollado estudios específicos
de modelos de clasificación.
En estos trabajos se asume que un objeto ha sido detectado por medio de un sensor de dominio
en frecuencia (VLF) y se procede a clasificarlo dentro de diferentes posibles tipos de metal. Con
base en la respuesta del sensor y después de un amplio análisis teórico, se construye un sistema
de clasificación basado en el modelo de predicción probabilístico bayesiano (en este modelo
bayesiano se ingresan las probabilidades de las variables significativas, el valor de la integral de
la multiplicación de estas probabilidades es utilizado para clasificar el objeto dentro de los
grupos posibles).
Los resultados de estos estudios demuestran que, efectivamente, el detector puede discriminar
entre diferentes tipos de metal, además se obtiene una mejora sustancial respecto a otros
métodos en la clasificación de objetivos cuando se tienen en cuenta las incertidumbres asociadas
al terreno, ambiente y las posiciones relativas de blanco y sensor. Así mismo se puede reducir la
alta tasa de falsas alarmas si se aplica este estudio a la detección de minas antipersonales.
Por otro lado, investigadores de universidades europeas, como es el caso de Claudio Bruschini,
han realizado grandes esfuerzos en el desminado humanitario, dedicando gran parte de su obra a
evaluar las terribles consecuencias que implican las minas antipersonales en el contexto
mundial. El extenso estudio de Bruschini [1] comprueba que para el desminado humanitario el
uso de detectores de dominio en frecuencia es esencial. Bruschini muestra un completo
desarrollo analítico, así como extensas pruebas en laboratorio de este tipo de detectores,
llegando una vez más a la conclusión de que se pueden discriminar metales a través de métodos
analíticos y en particular detectar pequeños porcentajes de estos en minas. En su estudio
compara la respuesta del sensor ante un objeto desconocido con la de un objeto conocido y logra
distinguir y encontrar la respuesta en fase característica de diferentes materiales (por ejemplo
ferromagnéticos y no ferromagnéticos).
2.1.2. Trabajos de campo en la evaluación de detectores de metales
En el ámbito internacional ha existido un gran interés en la valoración del desempeño de los
diferentes dispositivos usados en la localización de minas antipersonales disponibles en el
mercado. El departamento de defensa de los Estados Unidos interesado en el desminado
humanitario realizó, por ejemplo, exhaustivas pruebas con siete diferentes detectores de metales
5

16. comerciales y varios tipos de objetivos. Los resultados obtenidos están consignados en el
informe “Handheld Metal Detectors: Nicaraguan Field Test Report” [4]. Se manifestó la gran
dificultad que presentaba la mayoría de ellos para detectar blancos pequeños en suelos de alta
concentración mineral, además del incremento en el número de falsas alarmas, evidenciándose
así, la necesidad de un sistema que lograra discriminar entre diversos metales y redujera los
errores al mínimo.
2.1.3. Proyecto SCAN I
El proyecto SCAN I [3], desarrollado en la Pontificia Universidad Javeriana, tuvo como
objetivo principal diseñar un sistema para la detección y localización de minas antipersonales,
este está compuesto por una plataforma móvil terrestre y una estación remota. La plataforma
robótica, a la que llamaron Úrsula, puede describir una trayectoria, ser controlada a distancia y
localizar minas antipersonales a partir de un nivel de detección establecido, haciendo uso de un
detector de metales.
El proyecto se enfocó principalmente en la construcción del módulo robótico, su
desplazamiento y control, dejando la discriminación de metales y los métodos de reducción de
errores para futuras investigaciones, aunque el sensor que se construyó, bien puede aportar la
información para este tipo de análisis.
Si bien no se realizó discriminación de metales, el sensor puede adaptarse a diversos tipos de
suelo estableciendo un punto de referencia desde el cual detectar, lo que resulta muy útil en
suelos con contenido mineral, ya que tal contenido en algunos suelos confunde a la mayoría de
detectores comerciales.
El presente proyecto de grado, en conjunto con otros que se están desarrollando, mejora las
características de ÚRSULA y de su detector de metales proporcionando mayor información al
usuario para que pueda tomar una decisión sobre un objeto detectado.
2.2 DETECTORES DE METALES
Cuando se habla de detectores de metales comúnmente se trata de los detectores de inducción
electromagnética, este tipo de detectores son activos y trabajan con sistemas inductivos de baja
6

17. frecuencia. Estos dispositivos constan de una cabeza de búsqueda compuesta por varios
devanados por los que circula una corriente variable en el tiempo, la que a su vez, genera un
campo magnético variable en el tiempo que se propaga en todas las direcciones, incluyendo la
dirección en que se encuentra el objeto metálico. Este campo primario o incidente reacciona con
las características magnéticas o eléctricas del objeto; este genera un campo secundario o
reflejado que es detectado por el devanado receptor. En dicho devanado se crea un voltaje que
puede ser medido, convertido (en una señal sonora, por ejemplo) y analizado.
El campo reflejado depende, tanto temporal como espacialmente, de una serie de parámetros
como son la distancia del sensor al objeto, el tamaño, la forma, la conductividad y la
permeabilidad de este, así como la distribución espacial y temporal del campo primario y la
presencia de alguna señal del entorno.
La gran mayoría de los detectores comerciales convierten la señal recibida en una señal audible
e intermitente que incrementa su frecuencia a medida que se acerca al objeto, este tipo de
detección genera gran agotamiento en el usuario y es muy susceptible a generar errores, pues el
detector no logra diferenciar entre una mina y un lata enterrada, de hecho esta es una estrategia
muy común para confundir a estos detectores lo que convierte al desminado humanitario en un
proceso muy ineficiente.
2.2.1 Detectores de dominio en frecuencia
Los detectores de dominio en frecuencia utilizan comúnmente una sola frecuencia, pueden
utilizar varios devanados para la recepción y transmisión de las señales. La mayor parte de la
información está contenida en la amplitud y la fase de la señal inducida o en su equivalente en el
plano complejo-real. Algunos suelos con alta concentración mineral afectan notablemente la
respuesta de estos detectores.
2.2.2 Detectores de dominio en tiempo
Estos detectores trabajan enviando pulsos de corriente, usualmente de 1 KHz, hacia un
devanado. Básicamente miden qué tan rápido decrece el campo magnético momentáneo
inducido en los objetos cercanos al detector, este decrece más rápidamente en presencia de
objetos metálicos, generalmente esta velocidad es traducida a una señal sonora que el usuario
interpreta.
7

18. 2.2.3 Detector VLF
Este tipo de detector es un detector de dominio en frecuencia que trabaja en un rango de
frecuencias bajo (Very Low Frequency) y funciona por efecto de la inducción electromagnética.
Consta de dos devanados, el devanado primario se encarga de transmitir una señal sinusoidal al
medio circundante y el secundario genera una señal sinusoidal por efecto del campo inducido
por el primario. En un detector de metales se busca que en ausencia de materiales metálicos en
el medio, el campo inducido en el devanado secundario se anule debido a la posición de éste
respecto al primario. De forma que cuando un material metálico se acerque al detector, el campo
inducido cambie, haciendo que aparezca una señal en el devanado secundario. Este proyecto
como base este tipo de detector.
2.3 SISTEMAS DE CLASIFICACIÓN DE PATRONES
Mucha de la información que se maneja en la vida real se presenta en la forma de
patrones complejos: caras, textos escritos, enfermedades, música, flores, piezas
industriales, etc. El uso intensivo de computadores u otros dispositivos electrónicos en
los últimos años ha impulsado el estudio y aplicación de técnicas de reconocimiento de
patrones. En particular los dispositivos de adquisición de datos (sensores y
transductores) y los convertidores A/D hacen que un computador pueda ser
”alimentado” con datos (observaciones) del mundo real, utilizado para almacenar y
recuperar información y para establecer la correspondencia entre observaciones pasadas
y actuales (utilizando modelos adecuados, naturalmente).
2.3.1 Lógica difusa
La teoría de lógica difusa permite manejar y procesar ciertos tipos de información en los cuales
se manejan términos inexactos, imprecisos o subjetivos. De una manera similar a como lo hace
el cerebro humano, es posible ordenar un razonamiento basado en reglas imprecisas y en datos
incompletos. Para ello se debe ampliar la teoría de conjuntos y la lógica booleana de manera que
un individuo pueda pertenecer parcialmente a un conjunto y que las operaciones lógicas además
de unos y ceros, puedan ser 0,01 o 0,75.
8

19. Con los conjuntos difusos o borrosos (fuzzy sets) se pueden definir sub-conjuntos, de una
manera tal que cualquier elemento pueda pertenecer a ellos en diferentes grados. Con reglas
difusas, es posible procesar las relaciones entre las variables de entrada difusas y producir una
salida difusa, la cual es una clasificación parcial de la entrada en uno o más conjuntos. Además
a partir de esas salidas difusas, se pueden proporcionar cantidades binarias o cantidades
continuas, como el estado de un interruptor o una cantidad de dinero.
2.3.2 Redes neuronales
Esta tecnología puede ser desarrollada tanto en software como en hardware y con ella se pueden
construir sistemas capaces de aprender, de adaptarse a condiciones variantes, o inclusive si se
dispone de una colección de ejemplos suficiente y adecuada, predecir el estado futuro de
algunos modelos.
Estas técnicas son adecuadas para enfrentar problemas que hasta ahora eran resueltos sólo por el
cerebro humano y resultaban difíciles o imposibles para las máquinas lógicas secuenciales. Un
procesamiento paralelo realizado por un gran número de elementos altamente interconectados es
la clave de su funcionamiento. Las redes neuronales son utilizadas para la predicción, la minería
de datos, el reconocimiento de patrones y los sistemas de control adaptativo. Constituyen una
parte muy importante en el estudio y desarrollo de la inteligencia artificial y en el de la vida
artificial. Las redes neuronales pueden ser combinadas con otras herramientas como la lógica
difusa, los algoritmos genéticos, los sistemas expertos, las estadísticas, las transformadas de
Fourier, etc.
La redes neuronales utilizadas en la clasificación de objetos necesitan ser entrenadas con
ejemplos: un conjunto de entradas (muestras de cada patrón de clasificación) y un conjunto de
salidas (correspondencias de las entradas y las salidas), así, si se quiere que el sistema clasifique
determinado número de entradas como un patrón especifico, el conjunto de salida debe tomar
los valores correspondientes de salida para tal patrón, en términos más sencillos es simplemente
una correspondencia entre las columnas de la matriz de entradas con la de salidas.
Por ejemplo si se quiere implementar la función AND en redes neuronales, la matriz de entrada
⎡0 0 1 1⎤
⎥ y la de salida OUT = [0 0 0 1] , al entrenar la red con
⎣0 1 0 1⎦
puede ser IN = ⎢
estos parámetros el resultado de cualquier entrada posterior será el AND de los términos de cada
9

20. columna. Por supuesto el éxito radica en escoger las entradas adecuadas y hacerlas corresponder
con las salidas que se quieren. Este ejemplo puede ser implementado con una sola neurona pero
problemas más complejos necesitan de más neuronas e incluso de varias capas de neuronas.
Las redes neuronales pueden ser de diversos tipos y existen muchos modelos de redes, éstas
también pueden contener varias neuronas por capa y varias capas asociadas entre sí, la
escogencia del tipo de red depende principalmente del problema que se esté enfrentando.
La estrategia usada en este proyecto para la clasificación de patrones es la utilización de cada
neurona para dar un valor de decisión entre 1 y 0, lo cual indica que se podría clasificar entre
dos patrones si se tiene una sola neurona, sin embargo si se quiere una clasificación entre más
patrones el número de neuronas en la capa de salida debe seguir la ecuación (1).
[
n = log 2 (# Patrones )
]
(1)
De esta forma se pueden clasificar tantos patrones como se quiera.
Por otro lado cada neurona o cada capa de neuronas tiene una función de transferencia
específica, una red con varias capas puede tener una función de transferencia diferente para cada
capa o la misma para todas ellas, esto se define al momento de crear la red. La red también
puede ser entrenada con diferentes algoritmos, todos estos parámetros se escogen de acuerdo al
problema particular. Mayor información al respecto, se puede consultar en el libro “Pattern
Classification” [8] y en el manual de usuario de MATLAB para redes neuronales [9].
2.4 GLOSARIO
Desminado humanitario: es aquel desminado en el que se pretende remover todas las minas
del terreno, de forma que ningún ser humano se vea afectado si ingresa en el área
desminada.
Desminado manual: es el que involucra detectores de mano, dichos detectores deben ser
operados por una persona, de modo que esta persona está expuesta a sufrir lesiones en caso
de un accidente.
Desminado militar: es aquel en el que sólo se remueve cierto porcentaje de las minas con
propósito militar, si se quiere que pase una tropa por el terreno, por ejemplo.
EMI: por sus siglas en ingles Electromagnetic Induction. Detector de metales que funciona
por el principio de inducción electromagnética, consta de dos o más bobinas acopladas, una
10

21. de ellas utiliza el ambiente exterior como núcleo. Cuando no están en presencia de un
material metálico, las corrientes inducidas son cero, pero ante la presencia de algún tipo de
metal se generan corrientes que pueden ser medidas y evaluadas.
Falsas alarmas: una falsa alarma se produce cuando se detecta un blanco que no es útil o no
es el que se buscaba. Las falsas alarmas significan pérdidas en tiempo y esfuerzo.
Detector de dominio en frecuencia: Son detectores tipo EMI. Emiten una señal conocida y
detectan el reflejo de esta por algún metal, son capaces de distinguir entre un metal y otro ya
que cada metal produce en ellos una onda diferente.
Detector de dominio en tiempo: detectores tipo EMI. Inicialmente los detectores trabajaban
únicamente en el dominio del tiempo, este tipo de detectores no lograba diferenciar un metal
de otro, pues comparaban simplemente la amplitud de la señal generada y el tiempo entre
cada señal, esto era traducido a una señal sonora que incrementaba su frecuencia a medida
que el detector se acercaba al metal.
VLF: por sus siglas en ingles Very Low Frequency. Detector EMI que trabaja a bajas
frecuencia, logra discriminar entre diversos tipos de metal gracias a que las señales
generadas en las bobinas son diferentes para cada tipo de metal.
11

22. 3. ESPECIFICACIONES
El proyecto se conforma básicamente de tres partes: el detector de metales, el hardware que lo
controla y el software de discriminación (interfaz gráfica para el usuario).
3.1 ESPECIFICACIONES DEL DETECTOR
El detector está compuesto por dos devanados (ver sección 2.2.3 Detector VLF usado en el
proyecto) que se posicionan como se muestra en la figura 3-1.
Figura 3-1. Posición de los devanados del detector.
Se construyeron tres detectores (Ursulittle, Minifat y Amaranta Úrsula) siguiendo el manual
“Coinshooter, Metal detector” [11] variando características como diámetro, calibre del alambre
y número de vueltas, estos tres junto con el detector original utilizado por el proyecto Úrsula se
usaron como base para la toma de datos inicial. Las características electromagnéticas de cada
detector dependen directamente de estos parámetros. Posteriormente, en la etapa final y
basadose en la experiencia adquirida en la etapa inicial se construyeron otros dos detectores
(Argos y Baco) con los que se probó todo el sistema. En la tabla 3-1 se presentan los principales
parámetros de los detectores.
12

23. Parámetro / Detector
Úrsula
Ursulittle
Minifat
Amaranta Úrsula
Argos
Baco
L primaria (mH)*
13.5
9.5
8.61
17.41
9.44
10.01
Z primaria (Ω)*
590
361
380.3
656.9
400
405
# vueltas primaria
175
173
175
175
175
175
Calibre primaria
30
30
34
34
30
30
Dp (cm)
18
13.5
11.5
18.5
14
14
L secundaria (mH)*
65.78
42.5
64.2
69.5
47.5
37.2
Z secundaria (Ω)*
2.23k
1.25k
2.79k
2.598k
1.31 k
1.35 k
# vueltas secundaria
550
550
695
550
550
550
Calibre secundaria
38
37
37
37
37
37
Ds (cm)
9
8.5
7.5
11
8
8
Tabla 3-1. Especificaciones de los detectores usados. * medidas a 5 KHz
3.2 ESPECIFICACIONES DEL HARDWARE
Para controlar el detector, tomar la información y procesarla parcialmente se diseñó y construyó
un dispositivo capaz de generar las señales necesarias para detectar y discriminar metales,
recoger la información de la señal inducida, procesarla y transmitirla a través del puerto serial a
un PC. Este dispositivo opera en 4 modos diferentes según la función que se desee realizar (ver
sección 4.2 Diseño y construcción del hardware de control). El sistema es flexible puede
funcionar de manera independiente (con un PC) o ser integrado como módulo del proyecto
Úrsula. Las especificaciones del hardware se presentan en la tabla 3-2.
PARÁMETRO
Valor mínimo
Valor típico
Valor máximo
9
10
15
119 @ 15V
173 @ 10V
181 @ 9V
Frecuencia del cristal (Hz)
---
10M
---
Frecuencia trabajo µcontrolador (Hz)
---
40 M
---
Ciclo de instrucción (µs)
---
0,1
---
Velocidad TX USART (bps)
---
19200
---
Modos de operación
---
4
---
Velocidad respuesta modo 0 (s)
---
2.6 m
---
Velocidad respuesta modo 1 (s)
2
0.5
10m
Velocidad respuesta modo 2 (s)
---
25 m
---
Velocidad respuesta modo 3 (s)
---
5m
---
V entrada (V)
I entrada máx. (mA)
13

24. Resolución de la medición de Voltaje
---
4,88m
---
Resolución de la medición de Desfase
---
1º
---
Tabla 3-2. Principales especificaciones del hardware.
3.3 ESPECIFICACIONES Y REQUERIMIENTOS DEL SOFTWARE
El software se desarrolló en Matlab® 7.0 por lo que los requerimientos del sistema son los
mismos que los de este lenguaje y necesita, por supuesto, que Matlab® 7.0 esté instalado en el
PC. El software se llama “Sistema de Discriminación de Metales 1.0” (SDM). Las
especificaciones se encuentran en la tabla 3-3.
PARÁMETRO
Mínimo
Utilizado
Óptimo
Procesador
Pentium III
Pentium III
Pentium IV
Memoria RAM
256
256
512
Capacidad en Disco
610 MB (con ayuda y
1.02 GB
2 GB
duro para Matlab
4 toolboxes)
(con toolboxes y ayuda)
Capacidad en Disco
444 KB
444 KB (2 archivos de
600 KB (con más archivos
redes y 2 de fuzzy)
de redes y fuzzy)
Windows NT 4.0
Windows 2000 (Service
Windows XP (Service
(Service Pack 5 ó 6a)
pack 4 )
Pack 1 ó 2)
duro para SDM
Sistema operativo
Tabla 3-3. Principales especificaciones y requerimientos del software.
Necesita además:
•
Matlab® 7.0. Con los siguientes toolboxes: compliler, matlab, nnet y fuzzy.
•
Internet Explorer® 4.0 o Netscape Navigator® 4.0 o superiores.
•
Adobe Acrobat® 3.0 o superior.
•
License server running FLEXlm® 9.2, proporcionado por MathWorks installer.
•
Protocolo TCP/IP
•
Conexión a Internet, para verificar la licencia de Matlab.
14

25. 4. DESARROLLO
El proyecto se desarrolló en tres fases principales (ver figura 4-1), como ya se había
mencionado anteriormente, la primera fase fue la construcción y caracterización del detector de
metales, para realizar una primera captura de datos; la segunda, el desarrollo e implementación
del hardware que controla dicho detector y que a su vez recoge la información más relevante y
la transmite, ya sea directamente al computador o al módulo principal de ÚRSULA, y por
último la fase final que consistió en la programación del software apropiado para discriminar
metales con los datos transmitidos por el hardware.
Figura 4-1. Fases del proyecto.
4.1 CONSTRUCCIÓN Y CARACTERIZACIÓN DEL DETECTOR
4.1.1 Construcción del sensor
Siendo el sensor una parte fundamental en el desarrollo del proyecto, se prestó especial cuidado
y dedicación a su construcción. El proceso comienza con la definición de los calibres de
alambre que se van a usar en cada sensor. Aquí se debe tener en cuenta que el calibre usado en
15

26. la bobina primaria debe ser más grueso que el de la secundaria y que el número de vueltas de la
primaria debe ser menor que el de la secundaria [11]. Los calibres usados fueron 30 y 34 para la
primaria y 37 y 38 para la secundaria; para el número de vueltas se experimentaron varias
posibilidades pero en general los mejores resultados se obtuvieron con un número de vueltas
mayor a 150 y menor a 250 de calibre 30 en el bobinado primario y un número mayor a 450
vueltas y menor a 650 con calibre 37 en el secundario. El calibre del secundario debe menor
porque necesita muchas más vueltas que el primario, el número de vueltas afecta la sensibilidad
en la medición del voltaje inducido.
Para hacer los devanados de las bobinas se deben conseguir tapas circulares que faciliten el
proceso de bobinado, la relación (D1/D2) de los diámetros del devanado primario y el
secundario debe ser mayor a 2.5 e inferior a 3. Con una relación de 2.75 se obtienen buenos
resultados.
Una vez se tienen las bases circulares (tapas, tarros, frascos, etc.) se pone un poco de cinta de
enmascarar siguiendo el perímetro descrito por la superficie, la función de la cinta es brindar
agarre al alambre para cada vuelta que se suma, además al terminar con el número total de
vueltas, el devanado debe forrarse firmemente con más cinta. Una vez forrado el devanado, se
aplica también una capa de papel aluminio sobre toda la superficie con el fin de blindarlo,
después del papel aluminio se requiere una nueva capa de cinta de enmascarar y se debe
procurar que quede lo más firme posible. Los dos devanados se construyen siguiendo
exactamente los mismos pasos, la única diferencia radica en que al devanado primario se le debe
modificar su forma original (Ver figuras 4-2 y 4-3).
Figura 4-2. Devanados y su posición final
16

27. El paso a seguir una vez se tienen los devanados listos, es posicionarlos de tal forma que el
campo inducido en el secundario se anule en ausencia de elementos metálicos en el medio, para
tal fin se debe generar una señal sinusoidal en el devanado primario y con la ayuda de un
osciloscopio verificar el campo inducido sobre el secundario, cuando se logra la mínima
inducción en las frecuencias de interés se tiene que fijar la posición de los devanados (puede ser
con silicona u otro pegante), se debe ser muy cuidadoso en esta etapa pues el mínimo
movimiento arruina la anulación del campo inducido.
Figura 4-3. Forma del bobinado primario y sensor terminado.
En la figura 4-4 se puede observar la apariencia final de varios de los detectores construidos.
Los detectores Ursulittle y Argos tienen un revestimiento de resina, la idea es brindar robustez
al detector. Después de consultar en el laboratorio de tecnología e ingeniería de la Pontificia
Universidad Javeriana el problema de recubrimiento (se requería de una protección simple para
el sensor que añadiera poco peso al dispositivo y que no afectara sus características eléctricas),
se decidió poner una capa de resina poliéster que recubre al sensor y lo protege de factores
externos como la humedad. La resina poliéster se consigue en forma líquida y es necesario hacer
una mezcla con el catalizador (encargado de desencadenar la reacción química que terminará
con la solidificación de la mezcla), también se debe agregar un poco de estireno a la mezcla para
lograr la consistencia y las características deseadas para el material. Después de experimentar y
familiarizarse con los materiales, se hicieron los moldes en arcilla necesarios (ya que la solución
es líquida en un principio) para dar la forma del sensor y se procedió a realizar el recubrimiento.
El tiempo de solidificación suele ser de 24 horas. Por cada centímetro cúbico de resina se aplicó
en la mezcla catalizador al 1% y estireno al 15%, con estas concentraciones se logra al final del
proceso un material que brinda protección adecuada al sensor. Fue necesario hacer primero un
recubrimiento sobre la cara superior y transcurridas diez horas era posible aplicar otra capa
17

28. sobre la cara inferior del sensor. Por último, se pule la superficie obtenida porque después de
que el material ha secado y está completamente sólido suelen quedar bordes y picos que pueden
causar heridas.
Figura 4-4. Sensores construidos.
Aunque se creía que la técnica usada en el recubrimiento no iba a afectar las características del
sensor (anulación del campo inducido), en la práctica se observó que era inevitable que el
detector, al estar sometido a los procesos internos que produce la reacción química, sufriera
pequeños cambios en la posición final de los devanados, conllevando a una modificación en la
anulación previa del campo inducido, por lo que los detectores sometidos a este proceso
cambiaron sus características electromagnéticas y la señal inducida en vacío no es nula.
4.1.2 Caracterización del detector
Tomando como base el objetivo de identificar entre tres diferentes tipos de metal, se
seleccionaron 5 objetos de referencia, estos objetos se denominaron blancos. Las
especificaciones de dichos objetos se muestran en la tabla 4-1.
Blanco
1
2
3
4
5
Peso (g)
140
60
950
500
20
Tabla 4-1. Especificaciones de los blancos.
Material
Tubo de Cu
3 latas de Al
Fe colado
Fe, cadena
1 lata de Al
18

29. El blanco 1 es un tubo de cobre enrollado en forma de espiral de 140 g, el blanco 2 consta de 3
latas de aluminio compactadas con un peso total de 60 g, el blanco 3 es un bloque de hierro (Fe)
colado de 950 g, el blanco 4 es una cadena de hierro de 500 g y el último blanco es una sola lata
de aluminio compactada de 20 g (ver figura 4-5). La escogencia de estos blancos se debió a la
necesidad de tener muestras de los tres grupos de metales que el sistema ha de clasificar, así
como de los principales materiales utilizados en la fabricación “casera” de minas antipersonales.
Para garantizar una detección estable se escogió una cantidad de material, para cada blanco, lo
suficientemente grande como para ser medida (con concentraciones muy pequeñas la señal
inducida no logra ser captada por los instrumentos), como se puede ver en la tabla 4-1 no se
necesita mucho material para generar una señal estable en los metales no ferrosos, sin embargo
en los materiales ferrosos la concentración debe ser mayor, con las mediciones que se realizaron
posteriormente con el hardware ya construido (ver sección 4.2.6 Captura de datos con el
hardware) se observó que más importante que el peso es la distribución del material por lo que
el peso de los materiales ferrosos utilizados en esa etapa no es tan grande como el utilizado en
esta, de todos modos se necesita siempre mayor concentración de material ferroso que de no
ferroso para lograr una detección estable a la misma distancia. Como en esta etapa no se tenía la
certeza de que se pudiera discriminar a través de la información aportada por el desfase, los
materiales que se escogieron pensando en obtener una señal estable, sin importar el peso o la
forma de estos.
Todos los datos fueron obtenidos en el punto de mayor detección del detector (ver figura 5-7) y
a una distancia de 4 cm del sensor. Se tomaron datos a distancias entre 2cm y 5 cm y la
tendencia de las gráficas era la misma pero cambiaba un poco el valor del desfase, finalmente se
escogieron sólo los datos a 4 cm pues los otros no aportaban información adicional.
Figura 4-5. Blancos utilizados.
19

30. En esta primera parte del proyecto se recopilaron datos usando 4 detectores (Úrsula, Ursulittle,
Minifat y Amaranta Úrsula) para determinar si se podía extraer información de estas
mediciones.
Para medir el desfase entre la señal generada y la inducida se implementó el sistema
representado en el diagrama en bloques de la figura 4-6, cada uno de los blancos fue medido a
diferentes frecuencias con cada uno de los 4 detectores...
Figura 4-6. Diagrama en bloques del sistema de pruebas.
El uso de un amplificador de audio permite que por el bobinado primario circule una corriente
sinusoidal de 30 mA aproximadamente, lo que genera el campo magnético en esta inductancia
necesario para el proceso. La señal producida por la bobina receptora se amplificó para facilitar
su medición.
Para cada uno de los cinco blancos se desarrolló un protocolo de pruebas establecido para el
intervalo de frecuencias de 400 Hz a 20 KHz Tales pruebas incluyen: realizar la medida de la
corriente AC en el bobinado primario, medir el voltaje pico-pico en el receptor (previamente
amplificado) y medir el desfase entre la señal transmitida y la inducida para cada tipo de blanco.
Estas pruebas se hicieron para establecer las frecuencias en las que mayor información se podía
extraer y en las que mayor estabilidad presentaba el detector, así como para determinar el
comportamiento del desfase y del voltaje de la señal inducida cuando se varía la frecuencia de
trabajo.
La medición del voltaje se realizó con un osciloscopio digital. Con la ayuda de un multímetro
digital conectado en serie con la bobina transmisora se midió la corriente a través de ésta. El
desfase entre la señal transmitida y la recibida se determinó con el uso de un frecuencímetro de
alta resolución (PHILIPS PM6680B), cada medida de desfase es el valor medio de 100 muestras
20

31. tomadas por el frecuencímetro, las características del PHILIPS PM6680B permiten calcular
fácilmente la desviación estándar, así como el valor de desfase máximo y mínimo para el mismo
número de muestras. Los datos obtenidos en esta etapa se presentan en la sección de análisis de
resultados (ver sección 5.1 Resultados de la caracterización del detector).
Después de analizar los datos recogidos se evidenció que la selección de una frecuencia óptima
de trabajo depende del detector que se use, del circuito de prueba y del material sensado por lo
que la escogencia de una frecuencia a través un análisis teórico resultó imposible, no obstante,
se seleccionaron 3 frecuencias (3 Khz, 7 KHz y 14 KHz) en las que, como se observó
empíricamente (ver sección 5.1 Resultados de la caracterización del detector), se podía extraer
la mayor información. Los desfases entre la señal generada y la inducida a dichas frecuencias
para cada uno de los blancos están lo suficientemente distanciados como para lograr discriminar
entre ellos.
4.2 DISEÑO Y CONSTRUCCIÓN DEL HARDWARE DE CONTROL
Una vez caracterizados los detectores y recogida gran cantidad de información que demostró
que la discriminación era posible se procedió a construir el hardware que controla el detector,
captura sus medidas, las procesa parcialmente y las envía al computador. Para esto se diseñó el
sistema presentado en la figura 4-7. Con este sistema se busca detectar metales de manera
simple, utilizando el mismo esquema del proyecto ÚRSULA; discriminar y clasificar el metal
detectado, para lo que se implementó un sistema de medición del desfase entre la señal inducida
y la transmitida y generar una imagen electromagnética haciendo un barrido del terreno.
Figura 4-7. Esquema del hardware de control y envío.
21

32. El sistema consta de:
1 Microcontrolador PIC 18F252
1 DAC 0808
1 LM324 (Búfer del DAC)
1 VCO ICL8038
1 LM386 (Amplificador de la señal primaria)
2 operacionales LF353 (Uno como amplificador de la señal inducida y el otro como
detector de pico)
1 Comparador LM339 (compuesto por dos comparadores cruce por cero)
1 Detector VLF
1 Fuente de conmutación de 5V integrada
1 Fuente de conmutación de –5V integrada
1 Fuente de conmutación de 12V integrada
Cuando el sistema trabaja como modulo de ÚRSULA es alimentado por una batería de 12V.
Las hojas de especificación de los componentes se pueden encontrar en la sección de anexos del
CD que acompaña el libro.
El objetivo principal es generar una señal sinusoidal con un VCO cuya frecuencia se controla
por un microcontrolador, esta señal se amplifica, incrementando su potencia a un nivel
adecuado, y se pasa al bobinado primario para que este genere el campo electromagnético que
interactúa con el medio, esta señal es sensada sobre una resistencia en serie con la inductancia
primaria de forma que se trabaja con el valor de la corriente de excitación. La señal del
bobinado secundario es amplificada y dependiendo de la información que recoge cada modo, se
extrae de ella la información necesaria (voltaje pico y/o desfase respecto a la primaria).
Para programar el control del detector se requiere un microcontrolador de alta velocidad ya que
el sistema procesa señales rápidas; que tenga un ADC integrado pues se necesita el valor del
voltaje de la señal inducida; que tenga dos módulos comparación/captura/PWM para medir con
ellos el desfase entre la señal generada y la inducida y que tenga al menos 1 puerto
entrada/salida libre para producir el valor de entrada adecuado al VCO.
Se utiliza un DAC 0808 que recibe un valor digital de un puerto del microcontrolador, un
LM324 que sirve como búfer y un VCO ICL8038 para producir la señal primaria. La frecuencia
22

33. de esta señal es modificada directamente por el microcontrolador y no depende de ningún otro
factor. En primera instancia se pensó que el microcontrolador podría generar directamente la
señal sinusoidal a través del módulo PWM pero se comprobó que esta solución no era viable
pues no se alcanzaba la frecuencia requerida por el proyecto dadas las restricciones en
frecuencia de este módulo (se llegó a 7 KHz máximo), después se trató de incrementar el rango
límite de frecuencias utilizando una tabla en memoria con los valores de la función seno,
enviando cada valor con una subrutina de interrupción del microcontrolador a un puerto y
transformándolos con un DAC en la señal sinusoidal continua, pero debido a que la frecuencia
máxima alcanzada fue de 10 KHz (el microcontrolador interrumpiendo de manera continua) este
método demostró ser también inadecuado. Por esto se optó por controlar el VCO y que este
generara la señal necesaria, además esta solución demostró ser más versátil a la hora de cambiar
de frecuencia. Los integrados escogidos son de fácil adquisición en el mercado.
4.2.1 Cálculo del desfase y medición del voltaje pico
Una vez obtenida la señal primaria, ésta se pasa por un amplificador de audio y de ahí,
simultáneamente, al detector y a un comparador cruce por cero (0); la señal inducida es
amplificada (LF353) y entra también a un comparador cruce por cero (0) (ver figura 4-8). Estos
comparadores (cruce por cero) son los encargados de dar la señal al microcontrolador para que
los módulos de captura tomen el valor necesario.
Figura 4-8. Diagrama en bloques del cálculo del desfase.
23

34. El microcontrolador posee dos módulos CCP (Capture/Compare/PWM module) que están
configurados en modo captura y tienen asignado el mismo Timer (este Timer es un contador que
se incrementa cada ciclo de instrucción, es decir, cada 0,1 µs), de modo que capturan el valor
del Timer cuando reciben un borde de subida, el borde de subida lo proporcionan los
comparadores (cruce por cero); un CCP se acciona con la señal primaria y el otro con la
inducida. Cada CCP queda con el número de ciclos de instrucción transcurridos entre la
inicialización del Timer y la llegada del borde de subida de su señal correspondiente. Restando
los valores capturados por los CCPs se determina cuantos conteos (ciclos de instrucción) existen
entre una señal y otra, multiplicando estos conteos por 360 y dividiendo por el número de
conteos en un periodo de la señal se obtiene el desfase, ecuación (2).
Desfase =
(CCP 2 − CCP1) * 360
# Conteos
(2)
Donde CCP2 es el número de conteos capturados por el contador de la señal inducida, CCP1 el
número de conteos capturados por el contador de la señal primaria y #Conteos es el número de
conteos en un periodo de la señal.
Este proceso se realiza 10 veces para cada frecuencia de modo que el valor de desfase medido
es en realidad un promedio. Para obtener el número de conteos por frecuencia se utiliza el
mismo método sólo que con un solo módulo CCP, dicho módulo toma un primer valor y lo pasa
a una variable auxiliar y después de un periodo de la señal toma otro valor, así que al restarlos
se obtiene el número de conteos por periodo de la señal, el proceso es, igualmente, realizado 10
veces para cada frecuencia.
El microcontrolador también captura a través del ADC el valor del detector de pico, este último
recibe la señal inducida (previamente amplificada), esta función es independiente del cálculo del
desfase.
4.2.2 Comunicación
El sistema puede transmitir la información a través de la USART usando el estándar RS232, de
esta forma puede comunicarse directamente con un PC a través del puerto serial; se dejo abierta
la posibilidad de transmisión a través del módulo MSSP en modo I2C, dejando las conexiones al
puerto. La transmisión por la USART está pensada para que el sistema se comunique
24

35. directamente con el computador y sea controlado por el software desarrollado. La transmisión
por I2C se podría implementar en trabajos posteriores para integrarlo al estándar de
comunicación de Úrsula.
4.2.3 Alimentación
Ya que el sistema debe trabajar como módulo de ÚRSULA, pues este es un objetivo específico
del proyecto, el sistema se alimenta a través de una entrada de voltaje acorde a las
especificaciones de la batería que usa ÚRSULA (9-12V DC). Tal alimentación se utiliza a su
vez para suministrar energía a los tres reguladores (+5,-5,+12 Voltios) que usa el circuito. El
microcontrolador y la MAX232 se alimentan con 5 Voltios, el LF353, el LM339 y el VCO con
+5 y –5 Voltios y el LM386, el LM324 y el DAC con 12 Voltios.
El esquema de alimentación escogido se debió básicamente a los requerimientos del VCO y a la
necesidad de incrementar la profundidad de detección del sensor.
4.2.4 Modos de operación
Para satisfacer los requerimientos del proyecto se programaron en el microcontrolador 4 modos
de funcionamiento (ver tabla 4-2), cada uno de los modos trabaja de manera independiente. La
programación del microcontrolador se realizó en MPLAB® IDE de Microchip, con la
herramienta C18 para compilar en C. El código fuente se puede ver en el anexo “Códigos
fuente” del CD del libro.
Modo
0
1
Código
Función
0x00
0x01
2
0x02
3
0x03
Acción
Transmisión 1 byte
Detección por umbral
(loop)
Discriminación
Parámetros de
entrada
0x00
0x01, Nivel detect,
muestras/s
0x02
Parámetros de salida
0xAB
V. pico de la onda inducida y
desfase.
Desfase y V. pico para cada
frecuencia
Detección (loop)
0x03
V. pico de la onda inducida
Tabla 4-2. Modos de operación parámetros de entrada/salida.
4.2.4.1 Modo Chequeo, modo 0
Este modo depende sólo del microcontrolador (y tiene conexión con la MAX232 si se está
comunicando directamente con el PC) y se implementó para hacer un chequeo de la
25

36. comunicación con el dispositivo, la repuesta del microcontrolador en este modo es siempre un
AB en hexadecimal, si el sistema no responde a este modo quiere decir que hay un error en la
comunicación.
4.2.4.2 Modo Detección, modo 1
Este modo es un ciclo constante en donde el microcontrolador transmite el valor del voltaje pico
de la señal inducida y el desfase de las señales a una frecuencia de 3 KHz en 4 bytes (dos del
voltaje y dos del desfase), si el voltaje esta por encima del nivel de detección, si no envía un 00
en el valor de voltaje. Recibe como parámetros de entrada el nivel de detección mínimo (nivel a
partir del cual el sistema considera que se ha detectado) y el número de muestras por segundo
que se quieren tomar. El ciclo se rompe cuando el usuario cambia de modo. Se utilizan todos los
componentes del dispositivo (excepto el integrado MAX232 si se está transmitiendo por I2C).
4.2.4.3 Modo Discriminación, modo 2
Cuando el sistema está en este modo hace todo el algoritmo de discriminación, es decir, mide el
desfase entre la señal primaria y la secundaria y el voltaje pico a las tres frecuencias ya
establecidas (3 KHz, 7 KHz y 14 KHz) y transmite estos valores al PC o al sistema principal de
ÚRSULA para su posterior análisis. El proceso lo realiza tres veces, es decir manda 3 paquetes
de discriminación, 18 datos en total (cada dato son 2 bytes). El detector debe estar
completamente estático para que el resultado sea correcto. Este modo es fundamental para el
sistema pues constituye el objetivo principal del proyecto.
4.2.4.4 Modo Imagen electromagnética, modo 3
En este modo el sistema entra en ciclo de detección, no recibe nivel de detección ni muestras
por segundo; se utiliza para generar una imagen electromagnética en 3D del terreno escaneado,
por lo que el brazo robótico que sostiene al detector debe estar describiendo alguna trayectoria
predeterminada (las trayectorias que describe el brazo robótico son especificaciones del
proyecto encargado de este). Este modo debe ser interrumpido cuando el brazo haya hecho una
línea de barrido y reanudado cuando empiece la siguiente línea de barrido (ver sección 4.3.3
Modo Imagen electromagnética). Devuelve el valor del voltaje pico de la señal inducida.
26

37. 4.2.4.5 Modo Sleep, modo 4
En este modo el microcontrolador entra en sleep, deshabilita el reloj y no ejecuta ninguna
función hasta que detecte alguna interrupción. Para salir de este modo simplemente se
interrumpe y se cambia el modo. Sólo funciona para transmisión por MSSP en modo I2C.
4.2.5 Circuito impreso
Una vez terminadas las pruebas con el circuito en protoboard se procedió a realizar el circuito
impreso. Todo el sistema quedó montado en una tarjeta antisolder de 9 X 11,5 cm de doble cara.
El esquemático del circuito final, así como la disposición de los caminos y los componentes se
presentan en los anexos 1 y 2. La tarjeta del circuito se aprecia en la figura 4-9a.
Figura 4-9a. Impreso del circuito final.
Para proteger el sistema y aislar el ruido se introdujo y se fijó la tarjeta en una caja metálica (ver
figura 4-9b).
Figura 4-9b. Impreso y caja.
27

38. Como se observa en la figura 4-9b, el dispositivo tiene en la parte frontal un interruptor de
encendido y otro para seleccionar el modo de comunicación (USART o I2C) y en la parte
posterior, un interruptor de Reset, el puerto RJ11 para comunicación por USART y un conector
principal que incluye la alimentación (batería de ÚRSULA), la comunicación por I2C y los
bobinados. En las figuras 4-10a, 4-10b y 4-10c se observan el conector RJ11, el conector para el
detector y el conector circular con la correspondencia de cada pin.
Figura 4-10a. Conector RJ11 y correspondencia
Figura 4-10b. Conector para el detector y
correspondencia de los pines.
de los pines.
Figura 4-10c. Conector circular y correspondencia de los pines.
4.2.6 Captura de datos con el hardware
En esta fase se volvieron a tomar medidas tanto con el circuito en protoboard como con el
circuito impreso, estas medidas arrojaron nuevos resultados, definitivos para la implementación
del software de discriminación. Dichas medidas fueron tomadas con el detector Ursulittle y con
dos nuevos detectores que se construyeron (Argos y Baco) siguiendo las mismas características
de construcción de Ursulittle. Básicamente se buscaba analizar más a fondo el comportamiento
del detector con el hardware construido y establecer el rango en el que varía el desfase de cada
metal para las tres frecuencias establecidas. En esta etapa se introdujeron otros nuevos blancos
28

39. que sirvieron como patrones de medición, estos nuevos blancos fueron una lámina de aluminio,
otra de hierro y otra de cobre (ver tabla 4-3). Se utilizaron láminas pues se observó que el
detector responde mejor a superficies homogéneas que abarquen el área de la bobina secundaria.
En la figura 4-11 se observan los diferentes patrones.
Patrón
1
2
3
Peso (g)
Dimensiones (cm)
100
17,5 X 14
50
14,5 X 10
200
17 X 14
Tabla 4-3. Especificaciones de los patrones de medida.
Material
Al
Cu
Fe
Figura 4-11. Patrones utilizados para calibrar el discriminador.
Para que los datos de los patrones fueran lo más precisos posibles (estos datos alimentarían el
sistema discriminador) se aumentó la ganancia de la señal inducida (respecto a la ganancia
utilizada en la etapa de caracterización del detector), ya que con una señal inducida mayor la
medición del desfase es más precisa; esto también se hizo porque los materiales ferrosos a cierta
distancia causan una caída en el voltaje de la señal inducida por lo que es más difícil detectarlos
a una profundidad superior a 5 cm. Con una ganancia mayor se logró detectar materiales
ferrosos a una distancia de hasta 8 cm y materiales no ferrosos a una distancia de hasta 12 cm,
sin embargo cuando los materiales no ferrosos se acercan mucho al detector la señal inducida es
tan grande que satura el detector de pico por lo que el voltaje pico es el mismo en las tres
frecuencias y no se pudo utilizar como variable de discriminación (al menos no como se había
pensado originalmente, con el gradiente de estos voltajes), afortunadamente esto no representó
un gran problema ya que la información contenida en los desfases fue suficiente para lograr la
29

40. discriminación y el valor del voltaje pico se utilizó finalmente para diferenciarlos del vacío (si el
voltaje pico está por fuera del rango del voltaje pico del vacío quiere decir que hay algún tipo de
detección). El incremento en la ganancia conllevó una ventaja adicional y fue la de la detección
estable y precisa del vacío, cosa que no se había podido hacer en la etapa de caracterización, al
tener una ganancia más grande es posible medir el desfase entre las señales cuando no hay
ningún metal en el campo de detección, ya que el campo no se logró anular completamente, y
así poder establecer otro grupo de clasificación, el de vacío. Si bien al construir el detector se
trata de que el campo entre la bobina receptora y la transmisora se anule, esto llevado a la
practica es muy difícil pues cualquier movimiento de la bobina receptora, al momento de fijarla
a la estructura, por pequeño que sea impide que el campo se anule, de modo que siempre existe
alguna señal inducida así no haya ningún objeto metálico cerca al detector.
Las pruebas que se realizaron en esta fase fueron mucho más amplias que en la primera e
incluyeron la toma de 10 muestras por cada patrón y la variación de la distancia entre el objeto y
el detector. Se tomaron muestras con una distancia entre el patrón y el detector de 1, 2.5, 4.5,
6.5, 8, 10 y 12.5 cm. Los datos fueron transmitidos por el puerto serial al PC y capturados con
un programa llamado Com Port Toolkit 2.3. El montaje se puede apreciar en las figuras 4-12a,
4-12b, 4-13 y 4-14.
Figura 4-13. Montaje para toma de muestras.
Figura 4-12a. Equipo y montaje para toma de
muestras.
Figura 4-14. Montaje para la toma de muestras.
Figura 4-12b. Equipo y montaje para toma de
muestras.
30

41. Como se puede apreciar se suspendió el detector en el aire (para evitar cualquier interferencia
con objetos metálicos) y se varió la distancia entre éste y el blanco bajando o subiendo la base
neumática en donde se ubicó el material a detectar, esto también permitió rotar el material para
ver que efecto producía sobre el desfase. También se realizaron pruebas en las que se variaba la
posición del detector con respecto al blanco, según se muestra en la figura 4-15.
Figura 4-15. Posiciones del detector con respecto al patrón
Los datos obtenidos así como el análisis de resultados se pueden observar en la sección 5.2
Resultados de los datos tomados con el hardware de control.
4.2.7 Determinación de la frecuencia óptima de detección
Si bien ya se habían seleccionado tres frecuencias para una correcta discriminación, no se había
seleccionado aún una frecuencia óptima para la detección, es decir una frecuencia en la señal
inducida para los tres tipos de metal fuera estable y de una amplitud mayor que a las demás
frecuencias. Para esto se varió la frecuencia que entregaba el dispositivo (hardware
implementado) y se midió el voltaje de la señal inducida para los tres metales, los resultados se
presentan en la tabla 5-8 de la sección 5.2.1 Frecuencia Óptima, los datos fueron tomados con el
detector Baco y posicionando la lámina de Aluminio a 7,5 cm. y las de hiero y cobre a 3,5 cm.
(el voltaje inducido con la lámina de aluminio es mayor que con las otras)
31

42. 4.3 DISEÑO E IMPLEMENTACIÓN DEL SOFTWARE DE DISCRIMINACIÓN
Para el control y manejo del hardware y la interacción con el usuario se desarrolló un software
en Matlab® 7.0 que permite transmitir los parámetros necesarios y recibir y procesar la
información que el dispositivo envía.
Se escogió Matlab® pensando en la utilización de algún método de clasificación de patrones
como lógica difusa o redes neuronales y en la necesidad de que este método se adaptara a un
cambio de detector de forma que se pudiera volver a entrenar una nueva red neuronal o definir
una nueva lógica si era el caso. Se pretende que el software pueda ejecutar y controlar cada uno
de los modos que fueron definidos para el hardware y, además, ejecute otros que pueden resultar
útiles para el usuario.
El software consta de 4 modos (ver figura 4-16): modo detección, modo discriminación, modo
imagen y calibración del detector, cada uno de los modos puede funcionar de manera
independiente y ser llamado con una instrucción individual.
Figura 4-16. Menú principal del Sistema de Discriminación de Metales.
32

43. La mayoría de las funciones de cada uno de los modos es sencilla y su manejo muy intuitivo;
los tres primeros modos corresponden a los modos 1, 2 y 3 programados en el hardware y el
cuarto utiliza el modo 2 del hardware pero no pretende discriminar sino tomar los datos
necesarios para calibrar un nuevo detector.
Modo/Parámetro
Ventana Inicio
Menú Principal
Modo Detección
Modo
Discriminación
Modo
Imagen
Electromagnética
Calibración del
Detector
Envía
Nada
Nada
1, Nivel detección,
muestras/s
2
3
Recibe
Nada
Nada
Vpico (loop)
Instrucción
SDM
MenuPrincipalSDM
Detección
Modo PIC
No existe
No existe
1
3 paquetes de
discriminación
Vpico (loop)
Discriminación
2
Imagen
3
2
3 paquetes de
SecuenciaCalibracion
discrimación X
cada muestra
Tabla 4-4. Modos del software y parámetros.
No existe,
utiliza el 2
4.3.1 Menús Comunes
Todos los modos cuentan con dos o más menús en los que se pueden encontrar funciones
comunes. Estas funciones utilizan el mismo código y las diferencias entre ellas están en los
nombres de las variables. La rutina que realizan es prácticamente la misma en todas ellas. Estas
funciones son las siguientes:
Menú Archivo
•
Guardar: esta función está presente en todos los modos excepto en el de calibración en
donde está en forma de botón (“Almacenar Datos”), permite guardar los datos que se
hayan recogido durante la sesión en el archivo que se le indique, si se quiere que el
archivo no quede en la carpeta “work” de Matlab se le debe dar la ruta completa, pues
por defecto almacena todos los archivos ahí.
•
Cargar: permite cargar los datos, cada modo tiene datos específicos y propios del modo,
es importante cargar los datos en el modo correspondiente, de lo contrario se generará
un error. Si se quiere cargar un archivo que no se encuentre en la carpeta “work” de
Matlab se le debe dar la ruta completa. (No existe en modo detección)
•
Cerrar: permite cerrar el modo, deshabilita el puerto serial si está habilitado antes de
cerrar la aplicación, esto evita posibles conflictos del puerto con otros modos.
33

44. Menú Herramientas
•
Cambiar modo: permite cambiar de un modo a otro, cierra el puerto serial si está abierto
para evitar conflictos con otros modos y carga la ventana del menú principal en donde
se puede seleccionar el modo deseado.
Menú Puerto
•
Habilitar puerto: habilita el puerto serial. Se debe tener especial cuidado, si se están
utilizando varios modos al tiempo, de no abrir el puerto serial con más de un modo a la
vez pues esto generaría un error, sólo un modo puede tener abierto el puerto serial en un
momento específico.
•
Deshabilitar puerto: deshabilita el puerto serial.
•
Chequear puerto: envía un cero (0) al dispositivo y verifica si este le responde, el cero
para el microcontrolador corresponde al modo cero que es el de chequeo, así que debe
responder con un AB en hexadecimal, la función lee el dato y muestra un mensaje en
pantalla informando sobre el estado de la comunicación con el dispositivo.
•
Propiedades: permite escoger con qué puerto se va a trabajar (COM1 o COM2) y el
tiempo que el software debe esperar a que el dispositivo le responda (Timeout). Para
cambiar alguno de estos parámetros una vez abierto el puerto serial, se debe cerrar,
hacer el cambio y volverlo a abrir. Por defecto todos los modos habilitan el puerto
COM1 y establecen un timeout de 3 segundos (ver figura 4-17).
Figura 4-17. Función Propiedades del Puerto.
4.3.2 Modo Detección
En este modo el software muestra en pantalla el valor del voltaje pico que se esté detectando en
ese momento y el desfase entre la señal generada y la inducida, así como una gráfica dinámica
34

45. (2D) de los valores que se detectan y la evolución de estos. Este modo permite variar el nivel a
partir del cual se quiere detectar (Nivel de Detección), el número de muestras por segundo y
almacenar los datos tomados. Corresponde al modo 1 del microcontrolador. Se logró que
Matlab muestre los datos en “tiempo real” siempre y cuando el Hardware envíe los datos dentro
de los límites de velocidad que puede manejar el software (muestras por segundo), esta
velocidad está limitada y dictada directamente por el hardware, si se quisiera modificar se
tendría que modificar primero en el microcontrolador. Sin embargo si el PC tiene un procesador
muy lento o no tiene memoria suficiente para ejecutar todas las operaciones necesarias, la
velocidad con la que se actualizan los datos se verá comprometida. Por esto existe una opción
de muestras por segundo que cuando se selecciona en más de 5 muestras por segundo
deshabilita la gráfica dinámica para mantener el procesamiento de los datos en “tiempo real”.
La secuencia para lograr una correcta detección es la siguiente:
1. Abrir el modo de detección.
2. Habilitar el puerto serial.
3. Seleccionar las muestras por segundo que se quieran tomar.
4. Presionar el botón “Iniciar Detección”.
5. Después de capturadas las muestras deseadas presionar el botón “Detener Detección”
Figura 4-18. Ventana del modo detección.
35

46. Nivel de Detección.
El modo detección permite un rango de nivel de detección de 0% a 100%, donde 0% es el nivel
mínimo posible y 100% el máximo (equivale a 1,9 V aproximadamente), lo que quiere decir que
si el nivel está en 100% no detectará objetos metálicos que generen un voltaje pico en la señal
inducida menor a 1,9 V. Esto es útil en terrenos con alto contenido mineral donde el detector
podría confundirse por la mineralidad del suelo y generar falsas alarmas, en estos casos bastaría
con subir un poco el nivel de detección. Por defecto el nivel de detección está establecido en
0%, es decir máxima detección
Muestras por segundo.
Como se mencionó anteriormente, en el modo de detección se puede controlar el número de
muestras por segundo escogiendo un valor en la casilla de muestras por segundo. Estos valores
están predeterminados y son: 0.5 ; 1 ; 2; 5; 10; 50 y 100 , donde 0.5 significa que tomaría 1
muestra cada 2 segundos y 100 una cada 10 ms, es decir 100 por segundo. De esta forma se
puede regular la velocidad con que Matlab muestra los datos en pantalla. Por defecto el valor de
muestras por segundo está establecido en 2. Si se escoge un valor superior a 5 muestras por
segundo se deshabilita la opción de la gráfica dinámica para mejorar la velocidad con que se
capturan los datos.
Gráfica dinámica.
El modo de detección muestra dos gráficas en dos dimensiones en las que se pueden apreciar los
valores que se están tomando, tanto de voltaje pico como de desfase, estas gráficas muestran
hasta 200 valores, una vez se supera esta cantidad de muestras las gráficas empiezan a
“moverse” es decir muestran el valor que se detecta y los 199 anteriores. Esta función sólo esta
disponible cuando se toman 5 muestras por segundo o menos pues a cantidades mayores
compromete la velocidad con que Matlab adquiere los datos (ver figura 4-19). El valor de vacío
no es cero ni en la gráfica de voltaje pico ni en la de desfase por lo que se deben tener en cuenta
los cambios en estas gráficas, lo que indicaría la presencia de algún metal. En los detectores
trabajados el valor de vacío esta entre 0,3 y 1 voltio (dependiendo del detector) y oscila
alrededor de este punto, a través de la gráfica de voltaje se logra detectar metales hasta una
profundidad de 12 cm, sin embargo a esta profundidad el cambio en la gráfica es muy pequeño
por lo que se tiene que verificar con la gráfica de desfase, en esta, a diferencia de la de voltaje,
36

47. el valor de desfase en vació es muy estable (17º-20º para Argos y 50-80 para Baco) por lo que
un ligero cambio en el desfase, fuera del rango, significa la presencia de algún metal; a través
del cambio en el desfase se ha logrado detectar objetos a una profundidad de hasta 17 cm.
Figura 4-19. Gráfica dinámica del modo detección.
Voltaje pico máximo.
En este modo también hay una casilla que muestra el valor del voltaje pico máximo, esta casilla
se está actualizando permanentemente, de forma que al final de la detección registrará el voltaje
pico máximo que se encontró durante todo el proceso.
Iniciar detección.
Para iniciar el proceso de detección se debe siempre habilitar primero el puerto serial y después
hacer clic en el botón “Iniciar Detección”, debe verificarse, claro está, que el hardware esté
conectado y funcionando, se puede verificar la conexión con el dispositivo con la opción de
“Chequear puerto”. Después de presionado el botón, el software mostrará el voltaje pico y el
desfase que se esté registrando, en la casilla de estado mostrará “Detectando”, en la de voltaje
pico máximo el voltaje máximo registrado y en la parte inferior de la ventana las gráficas
dinámicas. Los datos que toma son guardados en dos vectores, uno de detección y otro de
desfase, estos vectores pueden tener tantas columnas como se quiera. Si así se desea, estos
vectores pueden ser almacenados con la opción “Guardar” del menú “Archivo”. Cuando el
voltaje de detección es cero (0) quiere decir que se está por debajo del nivel de detección
enviado por el software, el microcontrolador envía un 00 cuando el nivel de voltaje está por
debajo del nivel de detección que recibe, esto no quiere decir que el nivel sea cero pues nunca es
cero, ni siquiera en vacío.
37

48. Detener detección.
Para detener la detección simplemente se oprime el botón “Detener Detección”, si se quiere
continuar con la detección se vuelve a oprimir “Iniciar Detección”, los datos se almacenarán
justo después de los anteriores en los vectores de detección y desfase. Mientras el sistema esté
detectando sólo puede ser interrumpido por el botón “Detener Detección”, cualquier otra
función será ignorada.
Borrar Datos.
Si lo que se quiere es iniciar una nueva detección, se presiona entonces el botón “Borrar Datos”,
un cuadro de diálogo aparecerá confirmando la operación y tanto los datos que se muestran en
pantalla como los vectores de detección y desfase serán borrados. Esto no afecta, por supuesto,
los datos que ya han sido almacenados.
4.3.3 Modo Discriminación
Corresponde al modo 2 del microcontrolador. Este modo muestra en pantalla el valor de los
desfases a las tres frecuencias en que se mide, el valor del voltaje pico en cada una y el tipo de
metal que se está discriminando. Se tienen también como opciones las de almacenar los datos
que se acaban de capturar, cargar los datos almacenados de alguna sesión anterior para que los
discrimine y seleccionar la red neuronal entrenada para el detector con el que se desea hacer esta
operación. Cada detector al ser calibrado almacena una red neuronal individual (ver sección
3.3.4 Calibración del detector) la cual puede ser cargada en este modo para hacer la
discriminación. Al final de todo el proceso el software mostrará qué tipo de metal es y con qué
porcentaje de seguridad lo ha clasificado (ver figura 4-20). También tiene la opción de
discriminar por lógica difusa pero para esto se necesita que exista una estructura de lógica
difusa, para el detector que se esté usando, la estructura de lógica difusa no es creada por la
secuencia de calibración y debe ser generada directamente en Matlab® por el usuario.
En el modo discriminación el sistema recibe 3 paquetes de discriminación, cada paquete es un
conjunto de 3 desfases y 3 voltajes medidos a 3 KHz, 7 KHz y 14 KHz El sistema simula la red
neuronal con estas tres entradas, promedia el resultado y lo muestra en pantalla. En este modo
también se muestra en pantalla, al momento de ser capturado, el valor de los desfases y los
voltajes pico del primer paquete de discriminación que se recibe, aunque los otros dos paquetes
38

49. permanecen en memoria, no se muestran. Se seleccionó un rango de distancias comprendido
entre 2 cm y 8 cm como el rango seguro de discriminación, en dicho rango con un objeto
metálico que tenga una superficie mayor que el área máxima de detección (ver figura 5-7) se
logra una discriminación correcta, las distancias se escogieron basándose en que un objeto no
puede estar a menos de 2 cm del detector (si se considera que se está detectando una mina el
detector no puede hacer contacto con ella) ni a una mayor a 8 cm pues el voltaje de la señal
inducida es tan bajo que el desfase tiende hacia el del vació y los rangos de los metales se
mezclan entre sí, por eso no se tomaron muestras a distancias mayores a 8 cm.
Figura 4-20. Ventana del modo de discriminación con red neuronal.
La secuencia completa para lograr una correcta discriminación es la siguiente:
1. Ubicar el detector sobre el objeto que se quiere discriminar a una distancia no mayor a 8
cm, ni menor a 2cm y garantizar que permanezca inmóvil.
2. Abrir el modo de discriminación.
3. Habilitar el puerto serial
4. Presionar el botón “Capturar Datos”
5. Seleccionar el tipo de discriminación del menú “Herramientas” (por defecto discrimina
con la red neuronal)
6. Cargar la red neuronal del detector o la estructura de lógica difusa.
7. Presionar el botón “Discriminar”
39

50. Capturar Datos.
El botón “Capturar Datos” lee 18 datos del puerto serial, 3 paquetes de discriminación, cada uno
con 3 desfases y 3 voltajes. Estos datos son almacenados en una matriz de entrada (INPUT) y
pueden ser guardados en un archivo con la opción “Guardar” en el menú “Archivo”. Una vez
son capturados los datos se puede ver el primer paquete en las casillas respectivas.
Tipo de Discriminación.
Se puede seleccionar qué tipo de discriminación se quiere realizar ya sea por redes neuronales o
por lógica difusa, ambas opciones son compatibles y complementarias pero necesitan
estructuras independientes. Para seleccionar el tipo de discriminación se hace clic en el menú
“Herramientas” y se selecciona alguna de las opciones del submenú “Tipo de Discriminación”.
La discriminación se hace por defecto con redes neuronales.
Cargar red del detector.
Antes de discriminar se debe cargar la red neuronal del detector que se está utilizando para
capturar los datos, de otra forma el resultado será incorrecto o no se podrá discriminar, para esto
se hace clic en el menú “Herramientas” y en la opción “Cargar Red del Detector”; se abrirá una
ventana en donde se debe escribir el nombre del archivo donde se almacenó la red neuronal, el
mismo con el que se guardó en la secuencia de calibración (ver sección 4.3.4 Calibración del
detector), si el archivo no está guardado en la carpeta “work” de Matlab, se le debe dar toda la
ruta, una vez hecho esto se presiona “Aceptar” y la red quedará cargada. El sistema verifica que
la red neuronal se encuentre en ese archivo si no la encuentra mostrará un mensaje en pantalla
indicándolo. Si se quiere discriminar con otro detector, simplemente se carga otra red y la red
neuronal del nuevo archivo reemplazará a la anterior.
Cargar Fuzzy del Detector.
También se puede discriminar a través de lógica difusa, para esto se debe cargar la estructura de
lógica difusa con la opción “Cargar Fuzzy del Detector” del menú “Herramientas” y seleccionar
este tipo de discriminación en el mismo menú. El sistema tiene dos estructuras de lógica difusa,
una para el detector Argos y otra para el detector Baco, si se quiere trabajar con otro detector se
debe crear una nueva estructura de lógica difusa pues no se garantiza que las existentes
40

51. funcionen con un detector diferente. Dicha estructura debe crearse DIRECTAMENTE en
Matlab (Remitirse al manual de Matlab) teniendo en cuenta los rangos en los que varía el
desfase y el voltaje para cada patrón, se puede también editar alguna de las estructuras ya
existentes.
Creación de una estructura de lógica difusa.
Antes de generar una nueva estructura de lógica difusa se deben extraer los rangos de desfase y
voltaje de cada patrón para cada una de las frecuencias, esto se puede hacer revisando las
matrices que almacena el modo de secuencia de calibración si el detector ya ha sido calibrado, si
no, debe calibrarse primero. Luego debe abrirse el modo gráfico de la estructura de lógica difusa
con el comando fuzzy, si es una estructura nueva o fuzzy “nombre” si se desea editar una ya
existente.
El software trabaja con 4 variables de entrada (desfase 1, desfase 2, desfase 3 y voltaje
promedio) y con 5 variables de salida (Vacío, Aluminio, Hierro, Cobre y Otros metales), si se
desea que la estructura de lógica difusa funcione se deben conservar estos parámetros (los
nombres de las variables de salida pueden cambiarse pero deben seguir siendo 5). Los rangos de
las funciones de pertenencia pueden variarse según se desee así como las reglas difusas (ver
sección 4.3.7.2 Lógica Difusa).
Una vez editada o creada la estructura se le puede dar el nombre que se quiera y cargarla,
posteriormente, en el modo de discriminación.
Discriminar.
Cuando el tipo de discriminación esté seleccionando Redes Neuronales el botón “Discriminar”
simula los 3 paquetes con la red neuronal cargada, el resultado son tres números binarios que
corresponden cada uno al resultado de cada paquete. Estos números representan el número del
patrón al cual la red le asignó la correspondiente entrada, en una discriminación exitosa los tres
deberían representar el mismo patrón. Sin embargo, debido a las características propias de cada
detector, a veces uno de estos valores es diferente de los otros, por ello, para evitar decisiones
erróneas el sistema arroja un promedio de los tres resultados y con base en éste, muestra una
“decisión” en pantalla y un porcentaje de certeza de la decisión, por ejemplo: “Es el patrón 1,
Certeza: 70%”.
41

52. Cuando la discriminación es por lógica difusa el sistema hace el promedio de los voltajes para
cada frecuencia, de forma que resulta una matriz de 3 columnas (una para cada frecuencia) y 4
filas (desfase 1, desfase 2, desfase 3 y voltaje promedio); luego hace un promedio con las tres
columnas para que finalmente resulte un vector de 1 columna y 4 filas con el que alimenta la
estructura de lógica difusa. El resultado de alimentar la estructura de lógica difusa es un vector
de 5 columnas (una por cada variable de salida de la estructura) y una fila en donde el valor de
cada posición representa el peso con el que el sistema “cree” que es esa salida (patrón), es decir
si en la posición (1,1) hay un 0.5 quiere decir que el sistema asocia la entrada con el patrón 1
con un peso de 0.5; estos valores van siempre de 0 a 1 por lo que se pueden traducir fácilmente
a un valor porcentual, el software escoge el mayor y lo muestra en pantalla de la forma “Es el
patrón 1, Certeza: 80%”, si existen dos valores iguales el sistema escoge el primero.
Se debe tener en cuenta que existe un nivel mínimo de voltaje que el sistema requiere para una
correcta discriminación (1,5 Voltios) por debajo de ese voltaje no se puede garantizar una
correcta discriminación aunque el grado de certeza sea del 100%
Figura 4-21. Ventana del modo de discriminación con estructura fuzzy.
Borrar Datos.
Para una nueva discriminación se pueden capturar datos sobre los que ya existen (el sistema
sobrescribe los valores) o borrar los datos y repetir “Capturar Datos” y “Discriminar”, se
recomienda esta última opción para asegurar que no se trabajará con los datos anteriores.
42

53. 4.3.4 Modo Imagen Electromagnética
Corresponde al modo 3 del microcontrolador. En este modo el software permite hacer una
imagen electromagnética del terreno, esto se logra haciendo que el detector sense el terreno de
manera ordenada. Para esto el terreno debe “barrerse” por líneas, una línea de barrido es un
vector que contiene los valores pico de la señal inducida en cada punto de la trayectoria, cada
uno de estos valores es considerado un punto de detección, haciendo varias líneas de barrido se
puede ver la respuesta electromagnética del terreno, si existen valores de voltaje elevados la
superficie se deformará (picos de voltaje) indicando que en esa área hay algún elemento
metálico. El modo Imagen permite hacer un barrido en forma de zig-zag (ver figura 4-22) o
alineado a la izquierda, tantas líneas de barrido como se quiera y tantos puntos de detección
como se desee. En realidad la limitante para los puntos de barrido y las líneas de detección está
en la movilidad del brazo encargado de desplazar el detector. La cantidad de muestras que se
tomen por cm dependen, principalmente, de la velocidad con que se mueva el brazo, el sistema
tiene la opción de elegir cuántas muestras por segundo se quieren.
Figura 4-22. Tipos de barrido.
Para lograr una correcta imagen electromagnética se debe seguir los siguientes pasos:
1. Abrir el modo de imagen electromagnética
2. Habilitar el puerto serial
3. Hacer clic en el botón “Iniciar Barrido” (El detector debe empezar a moverse en este
momento, esto no lo controla el software, ni hace parte de este proyecto).
43

54. 4. Presionar “Detener Barrido Inicial” cuando se llegue al final de la línea primera de
barrido. SÓLO PARA LA PRIMERA LINEA DE BARRIDO.
5. Presionar “Iniciar Barrido” para iniciar la segunda línea (El detector debe estar en la
posición correcta antes de iniciar la segunda línea). El sistema se detiene
automáticamente
6. Cada vez que se quiera una nueva línea de barrido presionar “Iniciar Barrido”
7. Una vez acabado todo el barrido del terreno presionar “Generar Imagen”
Figura 4-23. Ventana del modo de imagen electromagnética.
Los datos son almacenados en una matriz de datos de forma que el valor de la fila1, columna 1
corresponde al primer punto de detección de la primera línea de barrido, el valor de la fila 1
columna 2, corresponde al segundo punto de detección de la primera línea de barrido y así
sucesivamente, todos los valores de la primera línea de barrido son almacenados en la fila 1, de
igual forma sucede con la línea de barrido 2 (fila 2 de la matriz) y todas las siguientes (ver
figura 4-24).
44