Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 53 vistas

    Presentacion Tesis Camanchaca 2

    Cargado por

    pinujopo
    Este documento describe un sistema automático para inspeccionar y clasificar manzanas mediante procesamiento digital de imágenes e inteligencia artificial. El sistema adquiere imágenes de manzanas Royal Gala y Cripps Pink, segmenta las variedades, el cáliz, los defectos y asigna una categoría. Los resultados muestran una sensibilidad del 87,77% y un tiempo promedio de procesamiento de 122,13 segundos. Las mejoras futuras incluyen hardware y software más avanzados para mejorar la segmentación de defectos.

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Descargue como PPT, PDF, TXT o lea en línea desde Scribd

    Presentacion Tesis Camanchaca 2

    Cargado por

    pinujopo
    53 vistas24 páginas
    Este documento describe un sistema automático para inspeccionar y clasificar manzanas mediante procesamiento digital de imágenes e inteligencia artificial. El sistema adquiere imágenes de manzanas Royal Gala y Cripps Pink, segmenta las variedades, el cáliz, los defectos y asigna una categoría. Los resultados muestran una sensibilidad del 87,77% y un tiempo promedio de procesamiento de 122,13 segundos. Las mejoras futuras incluyen hardware y software más avanzados para mejorar la segmentación de defectos.

    Derechos de autor

    © Attribution Non-Commercial (BY-NC)

    Formatos disponibles

    PPT, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe un sistema automático para inspeccionar y clasificar manzanas mediante procesamiento digital de imágenes e inteligencia artificial. El sistema adquiere imágenes de manzanas Royal Gala y Cripps Pink, segmenta las variedades, el cáliz, los defectos y asigna una categoría. Los resultados muestran una sensibilidad del 87,77% y un tiempo promedio de procesamiento de 122,13 segundos. Las mejoras futuras incluyen hardware y software más avanzados para mejorar la segmentación de defectos.

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Descargue como PPT, PDF, TXT o lea en línea desde Scribd
    Descargar como ppt, pdf o txt
    53 vistas24 páginas

    Presentacion Tesis Camanchaca 2

    Cargado por

    pinujopo
    Este documento describe un sistema automático para inspeccionar y clasificar manzanas mediante procesamiento digital de imágenes e inteligencia artificial. El sistema adquiere imágenes de manzanas Royal Gala y Cripps Pink, segmenta las variedades, el cáliz, los defectos y asigna una categoría. Los resultados muestran una sensibilidad del 87,77% y un tiempo promedio de procesamiento de 122,13 segundos. Las mejoras futuras incluyen hardware y software más avanzados para mejorar la segmentación de defectos.

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Descargue como PPT, PDF, TXT o lea en línea desde Scribd
    Descargar como ppt, pdf o txt
    Está en la página 1de 24

    1

    FACULTAD DE INGENIERA DEPTO. INGENIERA ELCTRICA Y ELECTRNICA

    Sistema Automtico de Inspeccin y Clasificacin de manzanas mediante Procesamiento Digital de Imgenes e Inteligencia Artificial

    Autor: Jorge Jlvez Fuentealba Profesor gua: Dr. Cristhian Aguilera Carrasco

    Temario
    1. 2. 3. 4. Introduccin Objetivos Variedades de manzanas utilizadas Sistema de adquisicin y procesamiento de imgenes 5. Metodologa 6. Resultados 7. Conclusiones

    1. Introduccin
    De acuerdo a las estadsticas de la FAO, Chile es lder en exportaciones de manzanas en el hemisferio sur y en el mundo y N 10 dentro del ranking mundial en la produccin de manzanas. Considerando el escenario actual y el crecimiento de los mercados de exportacin de Chile, los estndares de calidad para la industria de la manzana se vuelven cada vez ms exigentes.

    2. Objetivos
    2.1 Objetivo General
    Detectar defectos superficiales y clasificar manzanas de acuerdo a la variedad y categora, en un sistema real y en lnea.

    2.2 Objetivos Especficos Reconocer las variedades de manzanas Royal Gala y Cripps Pink. Segmentar el cliz y el pednculo de las manzanas para evitar confusiones con los defectos. Segmentar los defectos en ambas variedades de manzanas. Clasificar las manzanas en las categoras extra, 1 calidad, 2 calidad o defectuosa.

    3. Variedades de manzanas utilizadas


    Royal Gala
    Tamao: medianamente pequea a mediana (40 70 mm).
    Forma: en el plano longitudinal es redonda o alargada troncocnica y en el plano transversal es regular. Color: rojo anaranjado entre y en la superficie y amarillo en el fondo, con estras generalmente visibles.

    Cripps Pink
    Tamao: medianamente grande o grande (70 90 mm). Forma: en el plano longitudinal es alargada con forma de tronco o cnica, y en el plano transversal es regular

    Color: una cara de color rosado intenso en la superficie y verde claro en el fondo.

    4. Sistema de Adquisicin y procesamiento de imgenes


    4.1 Componentes Fsicos 4.2 Software 4.3 Interfaz Grfica de Usuario

    4. Sistema de Adquisicin y procesamiento de imgenes


    4.1 Componentes Fsicos

    4. Sistema de Adquisicin y procesamiento de imgenes


    Montaje de la cmara y de los espejos

    Caractersticas de la cmara

    Montaje de la cmara y de los espejos


    Cmara Basler A602fc Estndar firewire IEEE 1394 (400 Mbps) 30 fps en modo 16 bits (Color) 60 fps en modo 8 bits (Monocromtico) 4 parmetros de ajuste: Brillo, Ganancia, Shutter y Balance de blanco Consumo de 8 a 36 (VDC), 1.7 (W max)

    4. Sistema de Adquisicin y procesamiento de imgenes


    4.2 Softwares

    10

    4.3 Interfaz Grfica de Usuario


    Panel de ajuste de la cmara
    Ventana de Video Ventanas de despliegue de imgenes

    Botones

    Cuadro descriptivo de la manzana

    5. Metodologa
    Adquisicin de la imagen

    11

    Segmentacin de las vistas de la manzana

    Clasificacin de la variedad

    Segmentacin del cliz o del pednculo

    Segmentacin de los defectos

    Asignacin de la categora

    5. Metodologa
    Adquisicin de la imagen

    12

    Segmentacin de las vistas de la manzana

    Clasificacin de la variedad

    Segmentacin del cliz o del pednculo

    Ecualizacin del Histograma


    Umbralizacin del Histograma

    Segmentacin de los defectos

    Asignacin de la categora

    5. Metodologa
    Asignacin de la categora

    13

    Norma de calidad CODEX para las manzanas (CODEX STAN 299-2010)

    6. Resultados
    6.1 Mtricas de desempeo

    14

    15

    6. Resultados
    6.2 Resultados de la Segmentacin de la manzana
    Nmero de muestras utilizadas: 30

    Sensibilidad: 86,67% (26/30) Tiempo procesamiento promedio: 2,73 seg.

    16

    6. Resultados
    6.3 Resultados de la clasificacin de Variedad
    Nmero de muestras utilizadas: 120 (90 Royal y 30 Cripps) Mtricas de desempeo

    Tiempo de procesamiento promedio: 4,45 seg.

    17

    6. Resultados
    6.5 Resultados de la Segmentacin del cliz, del pednculo y de los defectos

    Nmero de muestras utilizadas: 140

    18

    6. Resultados
    6.5 Resultados de la Segmentacin del cliz, del pednculo y de los defectos
    Mtricas de desempeo Segmentacin del cliz/pednculo

    Tiempo de procesamiento promedio: 104,45 seg.

    19

    6. Resultados
    6.5 Resultados de la Segmentacin del cliz, del pednculo y de los defectos
    Mtricas de desempeo Segmentacin de defectos

    Tiempo de procesamiento promedio: 3,18 seg.

    20

    6. Resultados
    6.6 Resultados de la asignacin de la categora
    Nmero de muestras utilizadas: 100 Mtricas de desempeo Segmentacin de defectos

    Tiempo de procesamiento promedio: 14,17 seg.

    21

    7. Conclusiones y Comentarios
    La sensibilidad promedio del sistema fue de un 87,77%, la precisin fue de un 76,48% y el tiempo de procesamiento promedio de 122,13 segundos. El uso del Algoritmo Gentico para seleccionar las caractersticas que formaron el vector descriptor de la variedad y la buena seleccin de los patrones fue la clave para el alto desempeo de la etapa de clasificacin de la variedad.

    22

    7. Conclusiones y Comentarios
    La etapa de segmentacin de las regiones del cliz y del pednculo logr corregir en la mayora de las vistas de las manzanas confusiones entre estas regiones con los defectos Los principales errores en la segmentacin de defectos se produjeron por confusin con regiones muy oscuras, como la base, y con los defectos en los bordes, los cuales no se detectaban o se detectaban parcialmente. En la asignacin de la categora los mayores errores se debieron al clculo de la superficie defectuosa, por los problemas mencionados en el prrafo anterior.

    Mejoras del Sistema


    Hardware Software

    Filtros multiespectrales Tneles o domos Iluminacin difusa Tarjetas especializadas de adq.: Camera Link (frame graber) Eq. de procesamiento especializado, como el Compact Visin (NI) Cmaras de mejor calidad (resolucin y velocidad captura)

    Mejorar la segmentacin de los defectos a travs de tcnicas ms avanzadas de anlisis de texturas (contornos deformables). Migrar la metodologa y las tcnicas aplicadas a otro lenguaje de programacin, como OpenCV / C++, para comparar el rendimiento y los tiempos de procesamiento con otra plataforma.

    24

    También podría gustarte