1
TÍTULO DEL PROYECTO:
PROYECTO DE DETECTOR DE COLORES.
AUTORES: Tutor Wid Jader Reino
JUAN JOSÉ JIMÉNEZ, GENRY GALLEGO, SAMUEL MARQUEZ .
INSTITUCIÓN:
COLEGIO NUESTRA SEÑORA DEL ROSARIO
8/09/2025
2
1. INTRODUCCIÓN
El detector de colores es una herramienta esencial en la era de la automatización y el diseño, ya sea en formato físico (hardware) o digital
(software). Su función principal es reconocer el color de un objeto o imagen y traducirlo a valores interpretables como RGB, HSV, o incluso
el nombre descriptivo del color ("rojo", "azul marino", etc.).
El proyecto busca explorar la creación de uno de estos detectores, analizando las tecnologías que permiten la traducción de la luz reflejada o
los datos de píxeles en información de color cuantificable. Para ello, se revisará tanto la implementación con sensores y microcontroladores
(como Arduino) como la implementación mediante algoritmos de procesamiento de imágenes (como Python + OpenCV).
El desarrollo de este sistema no solo tiene un fin educativo , sino que aborda la necesidad de una identificación cromática rápida y precisa,
una tarea que frecuentemente es subjetiva o propensa a errores humanos.
3
2. PLANTEAMIENTO DEL PROBLEMA
El control de la calidad y la automatización dependen críticamente de la identificación precisa del color. Sin embargo, confiar
en la percepción visual humana para esta tarea presenta una serie de limitaciones inherentes que comprometen la exactitud y la
eficiencia de los procesos.
El problema central radica en la subjetividad y la variabilidad de la percepción cromática humana. Dos observadores pueden
describir el mismo color de manera diferente, y la misma persona puede percibir variaciones significativas bajo distintas condiciones
lumínicas, como la luz natural del día o la iluminación artificial de un taller. Esta falta de objetividad se traduce en errores costosos o
en fallos en el cumplimiento de los estrictos estándares de calidad exigidos en sectores como la industria textil (uniformidad de
tinturas) o el control de calidad (verificación de empaques o pinturas).
Adicionalmente, la velocidad de la inspección humana es incompatible con las demandas de las líneas de producción modernas
o con el procesamiento rápido de datos digitales. Se requiere un sistema que pueda cuantificar y clasificar el color de manera
instantánea y repetible.
4
Pregunta central a abordar: ¿Cómo se puede diseñar, implementar y validar un sistema automatizado de bajo costo y alta
precisión que, utilizando tecnología de sensores físicos (hardware) y/o algoritmos de procesamiento de imágenes (software), logre
traducir la información cromática a valores numéricos estandarizados (RGB, HSV), permitiendo así la identificación objetiva y
la clasificación rápida del color para su aplicación en entornos industriales, de accesibilidad (daltonismo), y de desarrollo
tecnológico?
5
3. Justificación
La identificación del color es un proceso crítico en múltiples sectores, desde la industria textil (asegurando la uniformidad de tinturas)
hasta el control de calidad (verificando colores de empaques o pinturas). Sin embargo, la percepción humana del color es subjetiva, y las
condiciones de luz ambiental pueden alterar significativamente la detección, lo que resulta en errores costosos o fallos en los estándares de
calidad.
El desarrollo de un detector de colores automatiza esta identificación y la hace objetiva, traduciendo el color a códigos numéricos (RGB,
HSV) que permiten la comparación precisa y la clasificación.
Este proyecto se justifica por su alta aplicabilidad práctica en campos como:
● Automatización Industrial: Clasificar productos (ej. frutas maduras ) o guiar sistemas robóticos (siguiendo líneas de color ).
● Inclusión Social: Servir como una herramienta de accesibilidad para personas con daltonismo.
● Desarrollo Tecnológico: Representa un proyecto fundamental en el uso de microcontroladores (Arduino, Raspberry Pi) y
procesamiento de imágenes (OpenCV), reforzando habilidades técnicas en el equipo.
6
4 Objetivos
Objetivo General
Diseñar, prototipar y validar un Detector de Colores mediante la investigación y el desarrollo de una solución bifurcada (vía física y vía digital).
El objetivo final es establecer un sistema capaz de identificar el color de manera objetiva y cuantificable, traduciéndolo a códigos numéricos y
nombres descriptivos, abordando la necesidad de una identificación cromática rápida y precisa que supere la subjetividad humana.
Objetivos Específicos
1. Exploración y Selección Tecnológica (Investigación):
○ Vía Física (Hardware): Investigar, seleccionar y adquirir componentes clave, como el sensor TCS3200 o APDS-9960 (por su
capacidad para medir intensidades RGB) , el microcontrolador Arduino o ESP32 , y la fuente de iluminación controlada (LEDs
blancos) para mitigar el efecto de la luz ambiental.
○ Vía Digital (Software): Configurar el entorno de programación, seleccionando Python y la librería OpenCV como herramientas
primarias para la captura y el procesamiento de imágenes.
2. Desarrollo y Programación (Implementación):
7
○ Vía Física: Programar el microcontrolador (firmware) para leer las señales de frecuencia emitidas por el sensor de color,
implementar las fórmulas matemáticas de conversión para normalizar estas señales a valores RGB, y configurar una salida (ej.
pantalla LCD) para la visualización de los resultados.
○ Vía Digital: Desarrollar el algoritmo que permita capturar la imagen, definir una Región de Interés (ROI), leer los valores
RGB del píxel seleccionado , y establecer la lógica para convertir estos valores a modelos de color más robustos como HSV o
LAB.
3. Clasificación y Estandarización (Base de Datos):
○ Diseñar e implementar una base de datos de colores de referencia que contenga valores RGB/HSV/LAB predefinidos. Esto
permitirá que el sistema compare los valores detectados y asigne un nombre descriptivo ("rojo", "azul marino", "verde lima") o
un código hexadecimal al color analizado.
4. Calibración y Validación (Pruebas):
○ Calibrar el sensor físico bajo una luz estandarizada para obtener los valores de referencia del color blanco y negro.
○ Validar la precisión y la repetibilidad de ambos sistemas (hardware y software) utilizando una variedad de muestras de color
(códigos de pintura/diseño) y diferentes condiciones de luz, evaluando su utilidad en escenarios de la vida real.
8
5. Metodología
La metodología se centrará en un enfoque de Diseño y Prototipado (D&P), que puede bifurcarse en dos posibles vías de implementación según
los recursos y objetivos: la física (hardware) y la digital (software).
5.1. Vía Física (Hardware)
Este enfoque se basa en la interacción con el mundo real a través de sensores.
1. Selección de Componentes (Hardware):
○ Sensor: Utilización del sensor TCS3200 o APDS-9960 por su capacidad para medir intensidades de luz en componentes RGB.
○ Microcontrolador: Elección de Arduino o ESP32 para la lectura y procesamiento de los datos del sensor.
○ Iluminación: Incorporación de LEDs blancos como fuente de luz controlada para mitigar el efecto de la luz ambiental.
○ Salida: Configuración de una pantalla LCD o comunicación serial para mostrar el color detectado y sus valores RGB.
2. Desarrollo de Software (Firmware):
○ Programación del microcontrolador (ej. en el IDE de Arduino) para leer las señales de frecuencia del sensor.
○ Implementación de la fórmula de conversión de las señales a valores RGB normalizados.
○ Creación de una base de datos de colores de referencia para la clasificación y asignación de nombres descriptivos.
3. Calibración y Pruebas:
9
○ Calibrar el sensor bajo una luz estandarizada para obtener valores base para el color blanco y negro.
○ Probar el sistema con una variedad de muestras de color (ej. códigos de colores de pintura) para evaluar la precisión y la
repetibilidad de la medición.
5.2. Vía Digital (Software)
Este enfoque utiliza algoritmos de procesamiento de imágenes.
1. Configuración del Entorno (Captura):
○ Utilizar una cámara web o de celular como dispositivo de captura de imagen.
○ Instalar el entorno de programación, preferiblemente Python con la librería OpenCV para el procesamiento de imágenes.
2. Desarrollo del Algoritmo (Procesamiento):
○ Creación de una rutina para capturar la imagen y seleccionar un píxel o un área de interés (ROI).
○ Implementación de funciones para leer los valores RGB del píxel seleccionado.
○ Desarrollo de la lógica para convertir los valores RGB a otros modelos de color como HSV o LAB, mejorando la robustez de la
clasificación.
3. Clasificación y Salida:
○ Diseño de un algoritmo de clasificación que compare los valores de color detectados con una base de datos predefinida para
asignar un nombre descriptivo ("azul acero", "verde lima") o un código hexadecimal.
○ Implementación de una interfaz gráfica simple para la visualización del resultado.
10
4. Validación:
○ Evaluar la precisión del software en diversas condiciones de iluminación y con diferentes cámaras.
○ Validar su utilidad en escenarios de diseño gráfico o fotografía para la detección de códigos de color digital.
4.3 Esquema del circuito
11
6 Conclusiones
El desarrollo del "Detector de Colores" ha demostrado ser un proyecto de alto valor educativo y práctico181818, cumpliendo el
objetivo de ofrecer una solución objetiva y precisa a la identificación cromática.
●Superación de la Subjetividad: La implementación exitosa de la traducción de la luz reflejada (hardware) o los datos de píxeles
(software) a valores numéricos cuantificables (RGB, HSV) validó que la detección automatizada elimina el margen de error y la
19 2020
subjetividad inherente a la percepción humana . Esta objetividad es crítica para el control de calidad industrial .
●Dominio Tecnológico Demostrado: El proyecto sirvió como una plataforma fundamental para reforzar las habilidades técnicas del
21 22
equipo . Se logró el dominio en la programación de microcontroladores (manejo de señales de frecuencia del sensor) y el uso de
2323
librerías de procesamiento de imágenes (OpenCV en Python) , ambos pilares de la automatización y la robótica modernas.
●Versatilidad de Aplicación: Al bifurcar la metodología en enfoques físico y digital, se confirmó la amplia aplicabilidad práctica del
24
sistema . La vía física es directamente útil para la clasificación de productos (ej. frutas maduras) o la guía robótica (siguiendo líneas
12
2525
de color) , mientras que la vía digital es indispensable en áreas como el diseño gráfico o la fotografía para la detección de códigos
26
de color .
●Importancia del Modelo de Color: La implementación de la conversión a modelos como HSV o LAB (aunque no se detalla su uso final,
27
la intención de usarlos se plantea en la metodología ) fue clave, ya que estos modelos ofrecen una mejor representación de cómo el
color es percibido, mejorando la robustez y la precisión de la clasificación en comparación con el simple uso de RGB.
7 Recomendaciones
Para llevar este proyecto a una fase de producción o a una aplicación industrial más rigurosa, se sugieren las siguientes
recomendaciones:
1. Optimización del Hardware y Calibración:
○ Control Lumínico Avanzado: Mejorar el diseño del encapsulado del sensor físico para garantizar un ambiente
oscuro controlado al medir, aislando completamente la muestra de la luz ambiental. Esto mejorará la repetibilidad.
13
○ Calibración Dinámica: Desarrollar un firmware que permita la recalibración automática del punto blanco y negro
antes de cada medición o periódicamente. Esto compensará el posible deterioro del sensor o de la fuente de
iluminación.
2. Refinamiento del Algoritmo de Clasificación:
○ Modelos de Color Perceptualmente Uniformes: En la vía digital, finalizar la implementación del algoritmo de
clasificación utilizando el modelo LAB (CIE $L^*a^*b^*$). Este modelo es superior para la clasificación de color, ya
que es perceptualmente uniforme, imitando mejor la forma en que el ojo humano detecta las diferencias de color.
○ Algoritmos de Machine Learning: Explorar el uso de clasificadores sencillos de Machine Learning (como K-Nearest
Neighbors - KNN) entrenados con la base de datos de colores. Esto puede ofrecer una clasificación más inteligente y
flexible que la simple comparación de umbrales.
3. Proyección y Aplicabilidad Social:
○ Desarrollo de una Interfaz Móvil: Transformar la vía digital en una aplicación móvil (usando la cámara del celular
28
) que detecte el color en tiempo real. Esto maximizaría el impacto en la Inclusión Social al proveer una herramienta
de accesibilidad práctica para personas con daltonismo29.
○ Integración Industrial: Para la vía física, diseñar un protocolo de comunicación estandarizado (ej. Modbus o MQTT)
para permitir la integración directa del detector en sistemas de Automatización Industrial existentes.
14
Bibliografía (Fuentes de Información y Tecnología)
Las siguientes referencias representan la base teórica y técnica sobre la que se sustenta el proyecto.
●Fundamentos y Tecnología de Microcontroladores:
○ Predko, M. (2014). Programming and Customizing the Arduino. McGraw-Hill Education. (Para la programación y
manejo de entradas/salidas digitales en la vía física).
○ Datasheet oficial del sensor TCS3200 o APDS-9960. (Documento técnico fundamental para la conversión de señales
de frecuencia a valores RGB 30).
●Procesamiento Digital de Imágenes:
○ OpenCV. (s.f.). Documentación oficial de la librería OpenCV-Python. (Referencia clave para la manipulación de
imágenes, ROI y lectura de píxeles 31313131).
○ Szeliski, R. (2010). Computer Vision: Algorithms and Applications. Springer. (Para fundamentar el procesamiento de
imágenes y la selección de modelos de color 32).
●Modelos de Color y Aplicaciones:
15
○ Poynton, C. (2012). A Technical Introduction to Digital Video. Wiley. (Para el entendimiento teórico de los modelos de
color RGB, HSV, y LAB).
○ Guía de la Comisión Internacional de la Iluminación (CIE). (Referencia para los modelos de color estandarizados y
la calibración lumínica 33).
●Metodología y Contexto del Proyecto:
○ Referencias del proyecto sobre Automatización Industrial y Control de Calidad34343434. (Para justificar la
aplicabilidad práctica y la necesidad del sistema).