Sistema de clasificación de tomates con visión artificial
Fecha de publicación
2023-12-03Idioma del documento
spaResumen
Esta investigación se centra en desarrollar una máquina de clasificación de tomates con técnicas de visión artificial para mejorar la clasificación de tomates según su calidad. El estudio se llevó a cabo siguiendo una metodología que involucró varios pasos clave. En primer lugar, se caracterizaron detalladamente las especificaciones del sistema de clasificación de tomates, siguiendo la norma NTC-1103-1 como referencia. Luego, se procedió a la selección minuciosa de los dispositivos de hardware y software necesarios para la implementación del sistema, garantizando que fueran idóneos para el procesamiento y análisis de imagen. La parte central de la investigación se basó en la aplicación de técnicas de visión artificial para llevar a cabo la clasificación de los tomates. Esta fase se centró en criterios cruciales como el tamaño, el color y la homogeneidad, que son atributos visuales esenciales para determinar la calidad de los tomates. Los resultados obtenidos revelaron que el uso de una red neuronal en este sistema de clasificación proporcionó un mejor rendimiento. La red neuronal demostró una eficacia mayor en la clasificación de tomates de alta calidad en comparación con la visión artificial. Este avance es un hito en la automatización de la clasificación de productos agrícolas y puede reducir las pérdidas asociadas a la clasificación manual, lo que mejora la rentabilidad de los productores y garantiza la entrega de productos de alta calidad a los consumidores.
Abstract
This research focuses on the development of a tomato classification machine using artificial vision techniques with the aim of improving the tomato classification process based on their quality. The study followed a methodology that involved several key steps. First, the specifications of the tomato classification system were detailed, following the NTC-1103-1 standard as a reference. Subsequently, a careful selection of the necessary hardware and software devices was conducted to ensure their suitability for image processing and analysis. The core of the research was the application of artificial vision techniques to carry out tomato classification. This phase focused on crucial criteria such as size, color, and homogeneity, which are essential visual attributes for determining tomato quality. The results revealed that the use of a neural network in this classification system provided better performance. The neural network demonstrated higher effectiveness in classifying high-quality tomatoes compared to traditional computer vision methods. This advancement represents a significant milestone in the automation of the agricultural product classification process and has the potential to reduce losses associated with manual classification, thereby improving the profitability of producers, and ensuring the delivery of high-quality products to consumers.