Inspección no invasiva de Physalis peruviana usando técnicas (Vir/Nir)

Non invasive inspection of peruviana physalis using techniques vir/nir

  • Camilo González
  • Daniel Zarama
  • Sergio R. González B
  • Iván F. Mondragón B
  • Manuel Moreno Universidad Javeriana
Palabras clave: automation, multispectral camera, quality control, VIR/NIR (en_US)
Palabras clave: automatización, cámara multiexpetral, control de calidad, VIR/NIR (es_ES)

Resumen (es_ES)

Este artículo plantea el desarrollo de una arquitectura flexible que permite la clasificación de la fruta Physalis peruviana (uchuvas) empleando un sistema de visión por computador, basado en imágenes en el espacio Visible e Infrarrojo cercano (VIS/NIR). Para el desarrollo se establece un modelo que facilita el control de calidad para la comercialización y exportación de la fruta en Colombia, la Uchuva. La solución consiste de un sistema de clasificación en tiempo real de la fruta, implementando tecnologías de automatización industrial y procesamiento de imágenes del espacio visible e infrarojo. Para la validación se propone un análisis mediante la correlación entre tecnologías en el campo de visión artificial con sus beneficios en la automatización de procesos, contra métodos tradicionales en la inspección de calidad de la fruta. Por último se presenta el desarrollo de un modelo el cual implementa un algoritmo de clasificación asociando un impacto directo en los costos correspondientes al proceso actual.

Resumen (en_US)

This article describes the development of a flexible architecture that allows the classification of fruit Physalis peruviana (gooseberries) using a computer vision system based on space images in the Visible and near infrared (VIS / NIR) arises. To develop a model that provides quality control for the marketing and export of fruit in Colombia, “Uchuva”. The solution consists of a system of real-time classification of fruit, implementing technologies for industrial automation and process visible and infrared images of the space. To validate an analysis proposed by the correlation between technologies in the field of artificial vision with their profits in the automation of processes against traditional methods in the quality inspection of fruit. By last development of a model which implements a classification algorithm associating a direct impact on costs during the current process present.

Descargas

La descarga de datos todavía no está disponible.

Referencias

Legiscomex “Inteligencia de mercados/Exportación de frutas exóticas colombianas,”. LEGIS S.A, Avenida Calle 26 No 82-70, Bogotá D.C. - Colombia, 1, May 2013.

L. A. Puente, C. A. Pinto, E. S. Castro, and M. Cortés, “Physalis peruviana Linnaeus, the multiple properties of a highly functional fruit: A review,” Food Res. Int., vol. 44, no. 7, pp. 1733–1740, 2011.

D.M. Montenegro y Cedeño M, “Plan exportador, logístico y de comercialización de uchuva a Estados Unidos para Frutoexpo,”. Tesis de grado 4580, Apartado 14237, Pontificia Universidad Javeriana, Bogotá, D.C, 2004.

J. L. García, A. Maldonado, G. Cortes, O. Vergara, V. Cruz, H. de Jesús Ochoa, M. de Jesús Nandayapa, y Á. Flores, “Automatic Product Quality Inspection Using Computer Vision Systems,”In Lean Manufacturing in the Developing World, Springer International Publishing, 2014.

ICONTEC, “Fresh fruits. Cape gooseberry. Specifications,”. Instituto Colombiano de Normas Técnicas y Certificación, Apartado 14237 Bogotá, D.C., Norma Técnica Colombiana NTC 4580, 1999.

CODEX, “Norma del CODEX para la uchuva,”. CODEX, Apartado 14237 Bogotá, D.C., Norma Técnica 4580, 2001.

A. Manickavasagan, H. Jayasuriya, V. Chelladurai, y D. S. Jayas, “Near-infrared Imaging and Spectroscopy,”In Imaging with Electromagnetic Spectrum, Springer Berlin Heidelberg, 2014.

Y. A. Ohali, “Computer vision based date fruit grading system: Design and implementation,” J. King Saud Univ. - Comput. Inf. Sci., vol. 23, no. 1, pp. 29–36, 2011.

J. Blasco, N. Aleixos, J. Gómez, and E. Moltó, “Citrus sorting by identification of the most common defects using multispectral computer vision,” J. Food Eng., vol. 83, no. 3, pp. 384–393, 12 2007.

S. Cubero, N. Aleixos, E. Moltó, J. Gómez-Sanchis, and J. Blasco, “Advances in Machine Vision Applications for Automatic Inspection and Quality Evaluation of Fruits and Vegetables,” Food Bioprocess Technol., vol. 4, no. 4, 2011.

N. Instruments, “NI Vision Builder for Automated Inspection (AI)” 2015, [En línea] Disponible en: http://sine.ni.com/nips/cds/view/p/lang/es/nid/210182

Cómo citar
González, C., Zarama, D., González B, S., Mondragón B, I., & Moreno, M. (2016). Inspección no invasiva de Physalis peruviana usando técnicas (Vir/Nir). Visión Electrónica, 10(1), 22-28. https://doi.org/10.14483/22484728.11702
Publicado: 2016-06-20
Sección
Visión Investigadora