Reconocimiento de granos de café verde arábiga sin defectos físicos en muestras usando visión artificial
Descripción del Articulo
El reconocimiento de granos de café verde arábiga sin defectos físicos es importante desde el punto de vista comercial, dado que el café de la especie arábiga es un producto de alta demanda en el mercado internacional. Dicho reconocimiento es propenso a errores, debido a que actualmente es realizado...
| Autor: | |
|---|---|
| Formato: | tesis de grado |
| Fecha de Publicación: | 2017 |
| Institución: | Universidad Nacional de San Agustín |
| Repositorio: | UNSA-Institucional |
| Lenguaje: | español |
| OAI Identifier: | oai:repositorio.unsa.edu.pe:UNSA/3393 |
| Enlace del recurso: | http://repositorio.unsa.edu.pe/handle/UNSA/3393 |
| Nivel de acceso: | acceso abierto |
| Materia: | granos de café Defectos físicos Clasificación y selección Visión artificial https://purl.org/pe-repo/ocde/ford#2.02.04 |
| Sumario: | El reconocimiento de granos de café verde arábiga sin defectos físicos es importante desde el punto de vista comercial, dado que el café de la especie arábiga es un producto de alta demanda en el mercado internacional. Dicho reconocimiento es propenso a errores, debido a que actualmente es realizado en su mayoría de forma manual y subjetiva. Los principales trabajos que tratan este problema basados en visión artificial requieren de prototipos de adquisición, que toman cada imagen desde un ángulo completamente vertical con respecto a la superficie que contiene a la muestra de granos de café. Cada uno de estos prototipos es un limitante para labores practicas debido a la dificultad de su implementación y al ángulo restrictivo. Por lo que el objetivo general de este trabajo es proponer un modelo para el reconocimiento automático de granos de café verde arábiga sin defectos físicos en imágenes de muestras capturadas manualmente con un ángulo de toma diagonal usando visión artificial y basándose para el reconocimiento en el estándar de la Specialty Coffee Association of America (SCAA) [1]. La metodología utilizada en este trabajo se divide en: adquisición de imágenes, mejora de imágenes, segmentación, extracción de características, clasificación y comparación con otros trabajos. Los resultados obtenidos en este trabajo muestran que el reconocedor puede ser utilizado en aplicaciones reales debido a que se alcanzó un overall accuracy del 99.60%. |
|---|
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
