Comparación de tres sistemas expertos y diferentes espacios de color en la clasificación del grado de madurez de frutos de aguaymanto (PHYSALIS PERUVIANA L.)

• Autores: Bazán Soriano, Karen Stefany, Cotrina Bazán, Carlos Adrián
• Formato: tesis de grado
• Fecha de Publicación: 2018
• Institución: Universidad Privada del Norte
• Repositorio: UPN-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.upn.edu.pe:11537/13467
• Enlace del recurso: https://hdl.handle.net/11537/13467
• Nivel de acceso: acceso cerrado
• Materia: Automatización de la producción; Fruticultura; Maquinaria; https://purl.org/pe-repo/ocde/ford#2.11.04

RESUMEN La clasificación de frutas frescas según su madurez es un trabajo comúnmente subjetivo y tedioso; en consecuencia, existe un creciente interés en el uso de técnicas no invasivas como las basadas en la visión computarizada y en técnicas de aprendizaje automatizado. En esta investigación, proponemos el uso de técnicas no invasivas para la clasificación de frutos de aguaymanto. La propuesta se basa en el uso de técnicas de aprendizaje automático combinadas con diferentes espacios de color. Dado el éxito que han tenido las técnicas automatizadas como las redes neuronales artificiales, máquinas de soporte vectorial, árboles de decisiones y el método de los K vecinos más próximos, en los problemas de clasificación, decidimos utilizar estos alcances en el presente trabajo de investigación. Se obtuvo una muestra de 819 frutos de aguaymanto, los cuales fueron clasificados manualmente según su nivel de madurez en siete clases diferentes. Las imágenes de cada fruta fueron obtenidas en formato RGB a través de un sistema desarrollado para este fin. Estas imágenes fueron pre-procesadas, filtradas y segmentadas hasta la identificación de los frutos. Para cada una de las frutas, se obtuvieron los valores medianos de sus parámetros de color en el espacio RGB, y subsecuentemente se transformaron los resultados en los espacios de color HSV y L*a*b*. Los valores de cada fruto en los tres espacios de color y sus correspondientes grados de madurez fueron utilizados para la creación, validación y comparación de los modelos de clasificación desarrollados. Se halló que la elección de uno u otro espacio de color, afecta la calidad del clasificador. Los sistemas basados en árboles de decisiones ofrecen los mejores resultados, estos fueron mayores a 97% de precisión con 18 y con 6 parámetros de interés y mayores a 72% al combinarlos con los espacios de color RGB, HSV y L*a*b*. Los modelos basados en el método de las redes neuronales artificiales obtienen resultados más variables. Los modelos basados en el espacio de color L*a*b* ofrecen los mejores resultados, estos fueron superiores a 72% de precisión. Finalmente, el modelo que mejor clasifica los frutos de aguaymanto de acuerdo con su nivel de madurez es el que resultó de la combinación de la técnica SVM y el espacio de color RGB, obteniendo una medida F de 79,47% y una precisión de 79,79%. PALABRAS CLAVES: Aguaymanto, espacios de color, redes neuronales artificiales, máquinas de soporte vectorial, árboles de decisiones, K-vecinos más próximos.