Implementación de un algoritmo de control de calidad para la selección de productos agrícolas utilizando visión artificial

• Autor: La Madrid Távara, Luis Eduardo
• Formato: tesis de grado
• Fecha de Publicación: 2019
• Institución: Universidad Nacional Pedro Ruiz Gallo
• Repositorio: UNPRG-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unprg.edu.pe:20.500.12893/4737
• Enlace del recurso: https://hdl.handle.net/20.500.12893/4737
• Nivel de acceso: acceso abierto
• Materia: Imágenes Bidimensionales; Histogramas; Visión por el computador; http://purl.org/pe-repo/ocde/ford#2.02.00

El presente trabajo tiene como objetivo principal generar un algoritmo de detección de fruta en mal estado y así permita el control de calidad; para ello se utilizarán técnicas de procesamiento digital de imágenes tales como histogramas, uso de operadores morfológicos, cambios a otros espacios de color entre otras. El estudio de la investigación se basó en un programa realizado con MATLAB que simuló a partir de imágenes de entrada, donde se describieron una serie de pasos basados en procedimientos de procesamiento digital de imágenes que determinaron que la fruta a analizar estaba en buen estado o no, procurando determinar qué tipo de defecto se detecta. En este trabajo de investigación, en el capítulo 2 hizo referencia a la descripción de las técnicas de procesamiento digital de imágenes, así como técnicas de modelado geométrico y procesos de conocimiento. Mientras que en el capítulo 3 hace referencia a la descripción del sistema donde principalmente la imagen es convertida a una matriz de formato uint8 a formato double, donde se realizó operaciones matemáticas para separar el melocotón del fondo; posteriormente la imagen segmentada pasó a un detector de contornos con el objetivo de obtener un valor que resultó decisorio y así determinar si presenta algún defecto. En el capítulo 4 se mostró los resultados y observaciones obtenidos de las muestras de diversos melocotones, identificados por defectos como picoteados, pulpa visible y golpe; de las cuales se sometieron 100 imágenes analizadas, 11 fallos han sido por este tipo de clasificación defectuosa y se ha acertado un 89%, donde dicho resultado muestra un porcentaje de acierto favorable. Finalmente se concluye que se logró implementar exitosamente algoritmos para la detección de frutos en buen o mal estado, así como la identificación de objetos extraños mediante la segmentación, detección de bordes y el análisis de histogramas obteniendo un tiempo de respuestas del algoritmo de 69.5 segundos por imagen.