Mostrar el registro sencillo del ítem

dc.contributor.advisorLegal Ayala, Horacio Andrés 
dc.contributor.authorMiranda, Juan Carlos
dc.date.accessioned2022-04-23T20:27:05Z
dc.date.available2022-04-23T20:27:05Z
dc.date.issued2018
dc.identifier.urihttp://hdl.handle.net/20.500.14066/3172
dc.description.abstractEn 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.es
dc.description.sponsorshipCONACYT - Consejo Nacional de Ciencia y Tecnologíaes
dc.language.isospaes
dc.publisherFP-UNAes
dc.subject.classification6 Producción y tecnología industriales
dc.subject.otherCLASIFICACION AUTOMATICAes
dc.subject.otherTECNICAS DE VISION POR COMPUTADORAes
dc.subject.otherINFORMATICAes
dc.subject.otherCOMPUTACIONes
dc.subject.otherIMAGENES DIGITALESes
dc.titleClasificación automática de naranjas por tamaño y por defectos utilizandotécnicas de Visión por Computadoraes
dc.typemaster thesises
dc.description.fundingtextPROCIENCIAes
dc.relation.projectCONACYTBECA08-25es
dc.rights.accessRightsopen accesses
dc.subject.ocdeTECNOLOGIAes
thesis.degree.disciplineIngeniería y Tecnologíaes
thesis.degree.grantorUniversidad Nacional de Asunción - Facultad Politécnica (PY)es
thesis.degree.levelMaestríaes
thesis.degree.nameMaestría en Ciencias de la Computaciónes


Ficheros en el ítem

Este ítem aparece en la(s) siguiente(s) colección(ones)

  • Tesis de Maestría
    La colección consiste en las tesis de maestría aprobadas en el marco del instrumento "Creación y fortalecimiento de programas de posgrados académicos" del Programa PROCIENCIA.

Mostrar el registro sencillo del ítem