Modelos de visión por computadora para la determinación de características superficiales y categorías de calidad del Pallar (Phaseolus lunatus L.) Iqueño seco

• Autor: Cortez Agreda, Ever Omar
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad Privada Antenor Orrego
• Repositorio: UPAO-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.upao.edu.pe:20.500.12759/7848
• Enlace del recurso: https://hdl.handle.net/20.500.12759/7848
• Nivel de acceso: acceso abierto
• Materia: Pallar; Computadora; https://purl.org/pe-repo/ocde/ford#4.02.00

En esta investigación se ha desarrollado, a nivel de laboratorio un Sistema de Visión por Computadora (SVC) que capta imágenes con una cámara fotográfica digital a color conectada a una computadora personal portátil que, utilizando software especializado, algoritmos estadísticos multivariantes y aquellos disponibles en MATLAB, realiza el procesamiento, análisis y clasificación de manera no-invasiva, objetiva y automática de los granos del Pallar (Phaseolus lunatus L.) Iqueño seco. La clasificación en 2, 3 y 5 categorías de calidad del pallar, el SVC lo realiza utilizando modelos discriminantes simples: lineal (LDA) y cuadrático (QDA). Los modelos de clasificación discriminante lineal (LDA) y cuadrático (QDA), aplicados a 3169 imágenes de granos de Pallar Iqueño seco, agrupados en 2, 3 y 5 categorías de calidad, para todos los 6 casos estudiados, mostraron performances con una Eficiencia General mayor al 80% para los modelos discriminantes lineal y cuadrático, demostrando un buen desempeño. El mejor performance general lo obtuvo el modelo LDA, clasificación en 3 categorías de calidad, con una Eficiencia General de 85.6%, el que también mostró una Eficiencia de Clase de 95.6%, 97.5% y 96.7% en la clasificación por cada categoría individual: ÓPTIMO, TOLERANTE y DESCARTE. Así mismo, todos los modelos de clasificación estudiados, demostraron ser robustos al mantener sin variación importante los valores de Eficiencia General, los que estuvieron por encima del 75% en un balance de muestras entre 10% a 80% para la validación cruzada de 2, 3 y 5 categorías de calidad. xiv Los datos de los descriptores de defectos superficiales del grano, obtenidos por visión por computadora permitieron elaborar una carta sobre la identificación y caracterización del Pallar Iqueño en tres clases, lo mismo que una cartilla con matices de blancura de utilidad para los interesados. Los resultados de la investigación muestran que los modelos discriminantes de clasificación lineales y cuadráticos en visión por computadora son eficaces en emular la visión humana experta, en la evaluación y clasificación objetiva de la calidad de muestras de Pallar Iqueño seco