• Contact us
  • Give feedback
  • About
    • CONACYT Institutional Repository (RI-CONACYT)
    • Frequently Asked Questions
    • español
    • English
View Item 
  •   RI-CONACYT Home
  • Producción académica
  • Tesis de Maestría
  • View Item
  •   RI-CONACYT Home
  • Producción académica
  • Tesis de Maestría
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Clasificación automática de naranjas por tamaño y por defectos utilizandotécnicas de Visión por Computadora

Maestría-BECA08-25 (7.067Mb)
Export
RISMendeleyRefworksZotero
Share
URI
http://hdl.handle.net/20.500.14066/3172
Metadata
Show full item record
Author(s)
Miranda, Juan Carlos
Adviser
Legal Ayala, Horacio AndrésCONACYT Authority
Date of publishing
2018
Type of publication
master thesis
Subject(s)
CLASIFICACION AUTOMATICA
TECNICAS DE VISION POR COMPUTADORA
INFORMATICA
COMPUTACION
IMAGENES DIGITALES
 
Abstract
En este trabajo, se propone una metodología automática y reproducible utilizando técnicas de visión por computadora para clasificación de naranjas por tamaño y por defectos. Los pasos propuestos para clasificación por tamaño fueron: adquisición de imágenes, calibración, procesamiento y segmentación de imágenes, extracción de características y clasificación. Se aplicaron 2 técnicas de procesamiento y segmentación de imágenes para separar la fruta. Para clasificación se evaluaron 2 modos: clasificación según umbral, clasificación con aplicación de aprendizaje automático. El método de segmentación 2, basado en umbrales en el espacio CIELAB, demostró ser el mejor y se vio menos afectado por los cambios de iluminación en una comparativa visual. La mejor combinación de procesos ensamblados para clasificación fue la que incluyó: el método de segmentación 2, medición del eje menor a partir de 4 imágenes y clasificación con el algoritmo SVM. Los pasos propuestos para detección de defectos fueron: marcación y creación de banco de imágenes, generación de datos para aprendizaje, evaluación de frutas con el algoritmo KNN. La segmentación de defectos consistió en la implementación de 3 variantes combinadas con operaciones de morfología binaria y suavizado. Las regiones fueron sometidas a un proceso de verificación automática contra lo marcado por un experto. La variante 2 basada en el filtro Prewitt demostró una exactitud de 96%. Para clasificación de defectos se utilizaron características geométricas y de color en conjunto con el algoritmo KNN.
Collections
  • Tesis de Maestría

Browse

All of RI-CONACYTCommunities and CollectionsBy Issue DateAuthorsTitlesSubjectsAuthor profilesThis CollectionBy Issue DateAuthorsTitlesSubjects

My Account

Login

Statistics

View Usage Statistics

Consejo Nacional de Ciencia y Tecnología (CONACYT)

Dr. Justo Prieto N 223 entre Teófilo del Puerto y Nicolás Billof, Villa Aurelia.

Telefax: +(595-21) 506 223 / 506 331 / 506 369

Código Postal 001417 - Villa Aurelia

Asunción - Paraguay