Clasificación automática de naranjas por tamaño y por defectos utilizandotécnicas de Visión por Computadora
Share
Metadata
Show full item recordAuthor(s)
Miranda, Juan CarlosAdviser
Legal Ayala, Horacio Andrés![CONACYT Authority CONACYT Authority](/xmlui/themes/Mirage2/images/autoridades/autoridad.png)
Date of publishing
2018Type of publication
master thesisSubject(s)
CLASIFICACION AUTOMATICA
TECNICAS DE VISION POR COMPUTADORA
INFORMATICA
COMPUTACION
IMAGENES DIGITALES
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.