文章基本信息

标题：Ponderación de Calidad en Frutas Usando Técnicas de Visión Artificial para la Estimación de Daños
本地全文：下载
作者：Ledda I. Larcher ; Pedro M. Juárez ; Ana I. Ruggeri 等
期刊名称：Mecánica Computacional
印刷版ISSN：2591-3522
出版年度：2013
卷号：32
期号：30
页码：2473-2484
语种：Spanish
出版社：CIMEC-INTEC-CONICET-UNL
其他摘要：El desarrollo de técnicas de visión por computador en la inspección de la calidad de los productos agrícolas se debe a la necesidad de encontrar una alternativa a los métodos de inspección manual tradicionales para eliminar el contacto con el producto, aumentar la fiabilidad y objetividad, introducir flexibilidad a las líneas de confección e incrementar la productividad y competitividad de las empresas nacionales. Uno de los factores que más influye en la calidad y el precio de la fruta fresca es la presencia de defectos en la piel de las frutas, dado que la mayoría de los consumidores asocia calidad con buen aspecto y ausencia total de defectos externos. Una de las tareas clave es la clasificación de los frutos de acuerdo a requerimientos diversos, como pueden ser tamaño, calibre y color. La inspección es visual y suele ser llevada a cabo por personal experimentado. Se trata, sin embargo, de una tarea repetitiva, propensa a errores, que acarrea perjuicios económicos, pero que pueden ser automatizadas usando técnicas de visión artificial. En general, los sistemas artificiales de clasificación no sólo pueden sustituir a la inspección manual, sino que también permiten mejorar sus capacidades. El desarrollo de sistemas de este tipo adaptados a nuestra agricultura es fundamental para que nuestras empresas productoras adquieran ventajas competitivas esenciales frente a otros países con menores costes de producción. Se emplean imágenes de frutas adquiridas mediante una cámara digital, las que se someten a un procesamiento previo para obtener imágenes binarias, que luego son inspeccionadas usando un algoritmo recursivo de etiquetado de componentes conexas previamente desarrollado. Se obtiene así una lista donde constan los píxeles oscuros, los que son considerados defectos. Calculando el área de tales daños, así como el porcentaje respecto del total, es posible automatizar una parte de la clasificación.