In logistics, technologies such as barcodes, RFID chips, QR codes, etc. are so commonly used to identify products that they have become essential in the supply chain. Lately, improvements in the Artificial Intelligence area, specially in computational vision field, have allowed the development of projects with a high precision, close to human vision, and its spread of use is so extended that common applications are using this technology. This project explores some of the most popular techniques and mechanisms used in computational vision. The aim is to develop and implement a solution for objects recognition that allows, from an image, to obtain its product reference within the warehouse. The implementation of this solution is based on different libraries of Python open source programming language. A Convolutional Neural Network (CNN) will be designed. This is a kind of networks that models in a very simplified way the functioning of human brain. Learning process is based on the finding of common characteristics in small groups and on the training of the networks so that results are enhanced with experience.

Al mon de la logística, l'ús de components afegits al producte en forma de codi de barres, chips RFID, codis QR, etc. és habitual a l'hora d'identificar els productes. Fins arribar al punt de convertir-se en elements imprescindibles dins de la cadena de subministrament. Els avenços en diferents camps de la intel·ligència artificial, especialment en la visió per computador, han permès els últims anys desenvolupar projectes amb una precisió semblant a la que caracteritza a la visió humana. Fins a arribar a tal punt, que comencen a existir aplicacions quotidianes que fan ús d'aquestes tecnologies. El present projecte pretén explorar algunes de les tècniques i mecanismes destacats dintre de la visió per computador, per acabar desenvolupant i implementant una solució dintre del camp del reconeixement d'objectes que permeti, a partir d'una imatge, reconèixer de quina referència es tracta dintre d'un magatzem o un entorn productiu. La implementació d'aquesta solució es realitzarà fent ús de diferents llibreries sota el llenguatge de programació de codi obert Python, dissenyant una xarxa neuronal convolucional(CNN Convolutional Neural Network): un tipus de xarxa que modela de forma molt simplificada el funcionament del cervell humà. L'aprenentatge es basa en la cerca de característiques comunes en petits grups, i en l'entrenament de la xarxa perquè cada cop millorin els resultats amb l'experiència.

En el mundo de la logística, el uso de componentes añadidos al producto en forma de código de barras, chips RFID, códigos QR, etc. es habitual a la hora de identificar los productos. Hasta llegar al punto de convertirse en elementos imprescindibles dentro de la cadena de suministro. Los avances en diferentes campos de la inteligencia artificial, especialmente en la visión por computador, han permitido en los últimos años desarrollar proyectos con una precisión similar a la que caracteriza a la visión humana. Hasta llegar al punto de que empiezan a existir aplicaciones cotidianas que hacen uso de estas tecnologías. El presente proyecto pretende explorar algunas de las técnicas y mecanismos destacados dentro de la visión por computador, para acabar desarrollando e implementando una solución dentro del campo del reconocimiento de objetos que permita, a partir de una imagen, reconocer de qué referencia se trata dentro de un almacén o un entorno productivo. La implementación de esta solución se realizará haciendo uso de diferentes librerías bajo el lenguaje de programación de código abierto Python, diseñando una red neuronal convolucional (CNN Convolutional Neural Network): un tipo de red que modela de forma muy simplificada el funcionamiento del cerebro humano. El aprendizaje se basa en la búsqueda de características comunes en pequeños grupos, y en el entrenamiento de la red para que cada vez mejoren los resultados con la experiencia.