Sistema de visión artificial para la identificación del estado de madurez de frutas (granadilla)

Artificial vision system for the identification of ripeness of pasion fruit (granadilla)

  • Diego Escobar Figueroa Universidad de Cundinamarca - Colombia
  • Edgar Roa Guerrero Universidad de Cundinamarca.
Palabras clave: application of artificial vision, colombian agriculture, fruit, image processing, Otsu segmentation, Python (en_US)
Palabras clave: agricultura colombiana, aplicación de visión artificial, frutas, procesamiento de imágenes, Python (es_ES)

Resumen (es_ES)

El manejo adecuado de frutas se ha convertido en una de las actividades económicas más importantes en la agricultura colombiana [1]. A la fecha, la identificación del estado de maduración de frutas se realiza manualmente [2], presentando variabilidad por la subjetividad producida debido a la fatiga ocular del experto. El propósito de esta investigación fue desarrollar una herramienta computacional para la identificación del estado de maduración de granadillas a partir del reconocimiento de imágenes. El área en píxeles de las imágenes perteneciente a la fruta fue extraída mediante la técnica de Otsu usando librerías de OpenCv en Python. Finalmente, la tarea de clasificación se realizó a través del análisis de agrupamiento, en el cual fueron asignados 110 puntos RGB pertenecientes a cada estado de maduración de la granadilla. Los resultados obtenidos muestran 92,6% de aciertos en la identificación del estado de maduración, a partir de un conjunto de 90 imágenes obtenidas de 90 frutas en diferentes estados de maduración, en comparación con el análisis manual acorde a lo establecido por la Norma técnica colombiana NTC 4101.

Resumen (en_US)

The proper handling of fruits has become one of the most important economic activities in the Colombian agriculture [1]. Actually, the identification of the ripeness of fruit is made manually [2], which induces variability due to subjectivity by expert eye strain. The purpose of this research was to develop a computational tool for identifying the state of ripeness of passion fruit (granadilla) through images recognition. The area in pixels of the fruit images was extracted by a technique called Otsu, using OpenCv libraries in Python. Finally, the task of classification was conducted through cluster analysis, here were assigned 110 points RGB belonging to each state of maturity of passion fruit. The results showed 92, 6% of accuracy for identifying the state of ripeness, from a set of 90 images obtained from 90 fruits in different stages of maturity, which was compared with traditional analysis (conducted by experts) according to the provisions of the Colombian Technical Standard NTC 4101.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Diego Escobar Figueroa, Universidad de Cundinamarca - Colombia
Estudiante del programa de ingeniería electrónica de la Universidad de Cundinamarca en Colombia, daescobar@mail.unicundi.edu.co, diego31escobar@gmail.com.
Edgar Roa Guerrero, Universidad de Cundinamarca.
Ingeniero Electrónico de la Universidad Francisco de Paula Santander en Colombia, MsC en automatización y control industrial del Instituto Tecnológico Metropolitano de Medellín, docente de tiempo completo y director del semillero de investigación en procesamiento de señales y visión artificial (Kinestasis) de la Universidad de Cundinamarca en Colombia, eeduardoroa@mail.unicundi.edu.co y msc.edgar.roa@hotmail.es.

Referencias

Centro de investigación económica y social, Fedesarrollo. Políticas para el desarrollo de la agricultura en Colombia, 2013 [En línea] http://www.fedesarrollo.org.co/wp-content/uploads/2012/08/Pol%C3%ADticas-para-el-desarrollo-de-la-agricultura-en-Colombia-Libro-SAC_Web.pdf

Corporación Colombiana de Investigación Agropecuaria, Corpoica, Manual de manejo cosecha y pos-cosecha de granadilla. Corpoica, 62-68, 2008.

Ministerio de agricultura y desarrollo rural, Plan frutícola nacional de Colombia, 5 de junio de 2006 [En línea] http://www.frutasyhortalizas.com.co/archivos/biblioteca/biblioteca_18_DIAGNOSTICO%20FRUTICOLA%20NACIONAL.pdf

Legiscomex.com, Inteligencia de mercados/Exportación de frutas exóticas colombianas Uchuvas y gulupa, las frutas más vendidas en mercados internacionales, 15 de mayo de 2013 [En línea] http://www.legiscomex.com/BancoMedios/Documentos%20PDF/estudio-frutas-exoticas-colombia-completo.pdf

Cubero, S., Aleixos, N., Moltó, E., Gómez-Sanchis, J., & Blasco, J. Advances in Machine Vision Applications for Automatic Inspection and Quality Evaluation of Fruits and Vegetables. Food Bioprocess Technol, 487-504, 2010.

Kneea, M., Hatfielda, S., & Smitha, S. Evaluation of various indicators of maturity for harvest of apple fruit intended for long-term storage. Jornal of Horticultural Science, 403-411, 1989.

Tadhg, B., & Da-Wen, S. Inspection and grading of agricultural and food products by computer vision systems—a review. Computers and Electronics in Agriculture, 193-213, 2002.

Gonzalez, R. C., & Woods, R. E. Digital image processing, 2008.

García Mateos, G. Procesamiento audiovisual, 5 de junio de 2006 [En línea] http://alereimondo.no-ip.org/OpenCV/uploads/41/tema3.pdf

Xu, R., & Wunsch, D. Clustering Algorithms in Biomedical Research: A review. IEEE Reviews In Biomedical Engineering, 120-154, 2010.

Solem, J. Programming computer vision with python. Unite states of America: O'Reilly median, inc., 2013.

Otsu, N., A Threshold Selection Method from Gray-Level Histograms. 2EEE Transactions on Systrems, Man, and Cybernetics, 62-66, 1979.

OpenCv. Procesamiento de imágenes OpenCv, 5 de junio de 2006 [En línea] http://docs.opencv.org/2.4/modules/imgproc/doc/histograms.html

Cómo citar
Escobar Figueroa, D., & Roa Guerrero, E. (2016). Sistema de visión artificial para la identificación del estado de madurez de frutas (granadilla). Redes De Ingeniería, 7(1), 78-86. https://doi.org/10.14483/udistrital.jour.redes.2016.1.a08
Publicado: 2016-06-27
Sección
Investigación