Clasificación automática de citrus aurantifolia usando visión artificial
Descripción del Articulo
Diversos mercados del mundo importan el Limón Sutil (Citrus Aurantifolia) peruano el cual es fuente importante de vitamina C para las personas recomendado por la Organización Mundial de la Salud (OMS). Las provincias que mayor Limón producen en el Perú son Lambayeque y Piura mientras que Chile es el...
Autor: | |
---|---|
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:20.500.12802/8934 |
Enlace del recurso: | https://hdl.handle.net/20.500.12802/8934 |
Nivel de acceso: | acceso restringido |
Materia: | Momentos de Color Visión Artificial SVM Clasificación Automática Prototipo http://purl.org/pe-repo/ocde/ford#2.02.04 |
id |
USSS_a798cf67c7408d28951cdd7f97e9baa1 |
---|---|
oai_identifier_str |
oai:repositorio.uss.edu.pe:20.500.12802/8934 |
network_acronym_str |
USSS |
network_name_str |
USS-Institucional |
repository_id_str |
4829 |
dc.title.es_PE.fl_str_mv |
Clasificación automática de citrus aurantifolia usando visión artificial |
title |
Clasificación automática de citrus aurantifolia usando visión artificial |
spellingShingle |
Clasificación automática de citrus aurantifolia usando visión artificial Alcarazo Ibáñez, Freddy Daniel Momentos de Color Visión Artificial SVM Clasificación Automática Prototipo http://purl.org/pe-repo/ocde/ford#2.02.04 |
title_short |
Clasificación automática de citrus aurantifolia usando visión artificial |
title_full |
Clasificación automática de citrus aurantifolia usando visión artificial |
title_fullStr |
Clasificación automática de citrus aurantifolia usando visión artificial |
title_full_unstemmed |
Clasificación automática de citrus aurantifolia usando visión artificial |
title_sort |
Clasificación automática de citrus aurantifolia usando visión artificial |
author |
Alcarazo Ibáñez, Freddy Daniel |
author_facet |
Alcarazo Ibáñez, Freddy Daniel |
author_role |
author |
dc.contributor.advisor.fl_str_mv |
Tuesta Monteza, Victor Alexci |
dc.contributor.author.fl_str_mv |
Alcarazo Ibáñez, Freddy Daniel |
dc.subject.es_PE.fl_str_mv |
Momentos de Color Visión Artificial SVM Clasificación Automática Prototipo |
topic |
Momentos de Color Visión Artificial SVM Clasificación Automática Prototipo http://purl.org/pe-repo/ocde/ford#2.02.04 |
dc.subject.ocde.es_PE.fl_str_mv |
http://purl.org/pe-repo/ocde/ford#2.02.04 |
description |
Diversos mercados del mundo importan el Limón Sutil (Citrus Aurantifolia) peruano el cual es fuente importante de vitamina C para las personas recomendado por la Organización Mundial de la Salud (OMS). Las provincias que mayor Limón producen en el Perú son Lambayeque y Piura mientras que Chile es el principal país importador de Citrus Aurantifolia peruano, tan solo en el 2018 importo 3352106 toneladas métricas de Citrus Aurantifolia. La clasificación manual de frutas en general es un proceso de reconocimiento de aspecto continuo y consistente el cual requiere de personal experto, en dicho proceso de manera indirecta suceden clasificaciones incorrectas debido al factor del error humano lo cual convierte al proceso impreciso el cual depende de factores subjetivos como es el estado de salud en general de la persona y la experticia de la misma. En esta investigación se propuso un método basado en la aplicación de técnicas de visión artificial para clasificar de manera automática Citrus Aurantifolia por color. Se realizó la adquisición de imágenes para cada una de las clases de Citrus Aurantifolia (Maduro, Pintón y Verde) caracterizadas en base a Experto. Se obtuvo un dataset de 1050 imágenes de Citrus Aurantifolia (350 imágenes por clase). Se aplicaron las técnicas de pre-procesado de imágenes (corrección gamma, filtro pasa bajo, conversión a espacio de color HSV y escala de grises) y segmentación por el método de Otsu. Las características de Momentos de Color de las imágenes de Citrus Aurantifolia son utilizados para entrenar las técnicas de clasificación automática de Máquina de Vectores de Soporte (SVM) y K-Vecinos más Cercanos (KNN). Utilizando las características del Momento de Color de la media del canal R (rojo) de las imágenes de Citrus Aurantifolia en RGB, la técnica SVM obtuvo una tasa precisión del 98%, mientras que al convertir las imágenes de Citrus Aurantifolia al espacio de color CIELAB utilizando las características de las coordenadas a* y b* la tasa de precisión obtenida por las técnicas SVM y KNN fue del 100% con un tiempo de ejecución de 0.029801 sg (SVM) y 0.0074096 sg (KNN) respectivamente. |
publishDate |
2021 |
dc.date.accessioned.none.fl_str_mv |
2021-12-13T15:51:08Z |
dc.date.available.none.fl_str_mv |
2021-12-13T15:51:08Z |
dc.date.issued.fl_str_mv |
2021 |
dc.type.es_PE.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12802/8934 |
url |
https://hdl.handle.net/20.500.12802/8934 |
dc.language.iso.es_PE.fl_str_mv |
spa |
language |
spa |
dc.relation.ispartof.fl_str_mv |
SUNEDU |
dc.rights.es_PE.fl_str_mv |
info:eu-repo/semantics/restrictedAccess |
dc.rights.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Perú |
dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/pe/ |
eu_rights_str_mv |
restrictedAccess |
rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Perú http://creativecommons.org/licenses/by-nc-nd/2.5/pe/ |
dc.format.es_PE.fl_str_mv |
application/pdf |
dc.publisher.es_PE.fl_str_mv |
Universidad Señor de Sipán |
dc.publisher.country.es_PE.fl_str_mv |
PE |
dc.source.es_PE.fl_str_mv |
Repositorio Institucional - USS |
dc.source.none.fl_str_mv |
reponame:USS-Institucional instname:Universidad Señor de Sipan instacron:USS |
instname_str |
Universidad Señor de Sipan |
instacron_str |
USS |
institution |
USS |
reponame_str |
USS-Institucional |
collection |
USS-Institucional |
dc.source.uri.es_PE.fl_str_mv |
Repositorio Institucional USS |
bitstream.url.fl_str_mv |
http://repositorio.uss.edu.pe//bitstream/20.500.12802/8934/2/license_rdf http://repositorio.uss.edu.pe//bitstream/20.500.12802/8934/3/license.txt http://repositorio.uss.edu.pe//bitstream/20.500.12802/8934/4/Alcarazo%20Ib%c3%a1%c3%b1ez%20Freddy%20Daniel.pdf.txt http://repositorio.uss.edu.pe//bitstream/20.500.12802/8934/5/Alcarazo%20Ib%c3%a1%c3%b1ez%20Freddy%20Daniel.pdf.jpg http://repositorio.uss.edu.pe//bitstream/20.500.12802/8934/6/Alcarazo%20Ib%c3%a1%c3%b1ez%20Freddy%20Daniel.pdf |
bitstream.checksum.fl_str_mv |
3655808e5dd46167956d6870b0f43800 8a4605be74aa9ea9d79846c1fba20a33 8bdaaf37f373e9c2aa479cc53056a609 0e5a223e62779e67d139806dc5ab06d0 847034c2ce0c512f78d7dfed2fbdcbf1 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional de la Universidad Señor de Sipán |
repository.mail.fl_str_mv |
repositorio@uss.edu.pe |
_version_ |
1772955158929473536 |
spelling |
Tuesta Monteza, Victor AlexciAlcarazo Ibáñez, Freddy Daniel2021-12-13T15:51:08Z2021-12-13T15:51:08Z2021https://hdl.handle.net/20.500.12802/8934Diversos mercados del mundo importan el Limón Sutil (Citrus Aurantifolia) peruano el cual es fuente importante de vitamina C para las personas recomendado por la Organización Mundial de la Salud (OMS). Las provincias que mayor Limón producen en el Perú son Lambayeque y Piura mientras que Chile es el principal país importador de Citrus Aurantifolia peruano, tan solo en el 2018 importo 3352106 toneladas métricas de Citrus Aurantifolia. La clasificación manual de frutas en general es un proceso de reconocimiento de aspecto continuo y consistente el cual requiere de personal experto, en dicho proceso de manera indirecta suceden clasificaciones incorrectas debido al factor del error humano lo cual convierte al proceso impreciso el cual depende de factores subjetivos como es el estado de salud en general de la persona y la experticia de la misma. En esta investigación se propuso un método basado en la aplicación de técnicas de visión artificial para clasificar de manera automática Citrus Aurantifolia por color. Se realizó la adquisición de imágenes para cada una de las clases de Citrus Aurantifolia (Maduro, Pintón y Verde) caracterizadas en base a Experto. Se obtuvo un dataset de 1050 imágenes de Citrus Aurantifolia (350 imágenes por clase). Se aplicaron las técnicas de pre-procesado de imágenes (corrección gamma, filtro pasa bajo, conversión a espacio de color HSV y escala de grises) y segmentación por el método de Otsu. Las características de Momentos de Color de las imágenes de Citrus Aurantifolia son utilizados para entrenar las técnicas de clasificación automática de Máquina de Vectores de Soporte (SVM) y K-Vecinos más Cercanos (KNN). Utilizando las características del Momento de Color de la media del canal R (rojo) de las imágenes de Citrus Aurantifolia en RGB, la técnica SVM obtuvo una tasa precisión del 98%, mientras que al convertir las imágenes de Citrus Aurantifolia al espacio de color CIELAB utilizando las características de las coordenadas a* y b* la tasa de precisión obtenida por las técnicas SVM y KNN fue del 100% con un tiempo de ejecución de 0.029801 sg (SVM) y 0.0074096 sg (KNN) respectivamente.TesisInfraestructura, Tecnología y Medio Ambienteapplication/pdfspaUniversidad Señor de SipánPEinfo:eu-repo/semantics/restrictedAccessAtribución-NoComercial-SinDerivadas 2.5 Perúhttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/Repositorio Institucional - USSRepositorio Institucional USSreponame:USS-Institucionalinstname:Universidad Señor de Sipaninstacron:USSMomentos de ColorVisión ArtificialSVMClasificación AutomáticaPrototipohttp://purl.org/pe-repo/ocde/ford#2.02.04Clasificación automática de citrus aurantifolia usando visión artificialinfo:eu-repo/semantics/bachelorThesisSUNEDUUniversidad Señor de Sipán. Facultad de Ingeniería, Arquitectura y UrbanismoIngeniero de SistemasIngeniería de Sistemas42722929https://orcid.org/0000-0002-5913-990X75852413612076Ramos Moscol, Mario FernandoMejía Cabrera, Heber IvanDíaz Vidarte, Miguel Orlandohttp://purl.org/pe-repo/renati/level#tituloProfesionalhttp://purl.org/pe-repo/renati/type#tesisCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811http://repositorio.uss.edu.pe//bitstream/20.500.12802/8934/2/license_rdf3655808e5dd46167956d6870b0f43800MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.uss.edu.pe//bitstream/20.500.12802/8934/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53TEXTAlcarazo Ibáñez Freddy Daniel.pdf.txtAlcarazo Ibáñez Freddy Daniel.pdf.txtExtracted texttext/plain253593http://repositorio.uss.edu.pe//bitstream/20.500.12802/8934/4/Alcarazo%20Ib%c3%a1%c3%b1ez%20Freddy%20Daniel.pdf.txt8bdaaf37f373e9c2aa479cc53056a609MD54THUMBNAILAlcarazo Ibáñez Freddy Daniel.pdf.jpgAlcarazo Ibáñez Freddy Daniel.pdf.jpgGenerated Thumbnailimage/jpeg10258http://repositorio.uss.edu.pe//bitstream/20.500.12802/8934/5/Alcarazo%20Ib%c3%a1%c3%b1ez%20Freddy%20Daniel.pdf.jpg0e5a223e62779e67d139806dc5ab06d0MD55ORIGINALAlcarazo Ibáñez Freddy Daniel.pdfAlcarazo Ibáñez Freddy Daniel.pdfapplication/pdf65965http://repositorio.uss.edu.pe//bitstream/20.500.12802/8934/6/Alcarazo%20Ib%c3%a1%c3%b1ez%20Freddy%20Daniel.pdf847034c2ce0c512f78d7dfed2fbdcbf1MD5620.500.12802/8934oai:repositorio.uss.edu.pe:20.500.12802/89342022-10-21 15:05:47.965Repositorio Institucional de la Universidad Señor de Sipánrepositorio@uss.edu.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 |
score |
13.785607 |
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).