Aplicación de técnicas de visión por computador en la selección de palta hass de calidad

• Autor: Quiroz Valencia, Adler Luis
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/8392
• Enlace del recurso: https://hdl.handle.net/20.500.12802/8392
• Nivel de acceso: acceso abierto
• Materia: Procesamiento de Imágenes; Inteligencia Artificial; K-Means Segmentación; Descriptores de Color; Palta Hass; Calidad; https://purl.org/pe-repo/ocde/ford#2.02.04

La calidad de la Palta Hass, es uno de las especificaciones más importantes en el desarrollo del cultivo nacional de exportación. Las deficiencias estudiadas fueron los frutos enteros y no enteros, frutos con queresas, frutos con defectos mayores (quemaduras y plagas) y defectos menores (Color); El objetivo del presente trabajo de investigación fue determinar e identificar los frutos aceptables en el entorno de calidad identificando sus principales problemas de rechazo por los clientes por medio de visión artificial, utilizando procesamiento de imágenes y descriptores de color (de los cuales se ha usado descriptores K-Means); se utilizó un total de 1260 imágenes, basado en 210 frutos distribuidos en tres niveles. Se obtienen seis imágenes por cada fruto, en la etapa de procesamiento y filtros de creación propia en la etapa de pre-procesamiento. Los descriptores se usaron con el fin de extraer características de todas las imágenes para la etapa de entrenamiento del sistema, luego de haber extraído los vectores a todas las muestras, luego se clasifican las muestras de prueba mediante Segment Color, Segment Rose y K-Means, como resultado general resulta el clasificador KNN como el más óptimo para la clasificación obteniendo un 77% de acierto.