Clasificación Automática de Limón Sutil Peruano (Citrus Aurantifolia) usando Máquinas de Vectores de Soporte

Contenido principal del artículo

Freddy Alcarazo-Ibáñez
Víctor Tuesta-Monteza
Heber Iván Mejía-Cabrera
Juan Carlos Callejas
Raciel Yera

Resumen

La clasificación manual de frutas es un proceso que requiere de personal experto y es propenso al error humano. Reviste entonces vital importancia la automatización del mismo utilizando herramientas computacionales. En esta investigación se propuso un marco de trabajo basado en la aplicación de técnicas de Pre-Procesamiento de Imágenes y de Visión Artificial para clasificar de manera automática frutos del Limón Sutil Peruano (Citrus Aurantifolia) por color. Se presenta un prototipo de clasificación soportado por una plataforma de hardware para extraer las características de Momentos de Color de las imágenes de Citrus Aurantifolia con vistas a entrenar las técnicas de clasificación de Máquina de Vectores de Soporte (SVM) y K-Vecinos más Cercanos (KNN). Los resultados arrojaron que utilizando el Momento de Color de la media del canal R (rojo), SVM obtuvo una precisión del 98%. Al convertir las imágenes al espacio de color CIELAB utilizando las coordenadas a* y b* la precisión obtenida por las técnicas SVM y K-NN fue del 100%.

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Cómo citar
Alcarazo-Ibáñez, F., Tuesta-Monteza, V., Mejía-Cabrera, H. I., Callejas, J. C., & Yera, R. (2020). Clasificación Automática de Limón Sutil Peruano (Citrus Aurantifolia) usando Máquinas de Vectores de Soporte. Revista De Ciencia Y Tecnología, 34(1), 67–76. https://doi.org/10.36995/j.recyt.2020.34.009
Sección
Ingeniería, Tecnología e Informática
Recibido 2020-02-20
Aceptado 2020-10-26
Publicado 2020-11-27

Citas

A. Bhargava and A. Bansal, "Fruits and vegetables quality evaluation using computer vision: A review," Journal of King Saud University-Computer and Information Sciences, 2018.

C. A. Padrón Pereira, P. León, G. Marié, A. I. Montes Hernández, and R. A. Oropeza González, "Determinación del color en epicarpio de tomates (Lycopersicum esculentum Mill.) con sistema de visión computarizada durante la maduración," Agronomía Costarricense, vol. 36, pp. 97-111, 2012.

D. E. Figueroa and E. R. Guerrero, "Sistema de visión artificial para la identificación del estado de madurez de frutas (granadilla)," Redes de Ingeniería, vol. 7, pp. 78-86, 2016.

D. Unay and B. Gosselin, "Automatic defect segmentation of ‘Jonagold’apples on multi-spectral images: A comparative study," Postharvest Biology and Technology, vol. 42, pp. 271-279, 2006.

G. Muhammad, "Date fruits classification using texture descriptors and shape-size features," Engineering Applications of Artificial Intelligence, vol. 37, pp. 361-367, 2015.

H. M. Zawbaa, M. Hazman, M. Abbass, and A. E. Hassanien, "Automatic fruit classification using random forest algorithm," in 2014 14th International Conference on Hybrid Intelligent Systems, 2014, pp. 164-168.

J. Blasco, S. Cubero, and E. Moltó, "Quality evaluation of citrus fruits," in Computer vision technology for food quality evaluation, ed: Elsevier, 2016, pp. 305-325.

J. D. Kelleher, B. Mac Namee, and A. D'arcy, Fundamentals of machine learning for predictive data analytics: algorithms, worked examples, and case studies: MIT press, 2015.

J. Olivares, A.-M. Kermarrec, and N. Chiluka, "The out-of-core KNN awakens: the light side of computation force on large datasets," Computing, vol. 101, pp. 19-38, 2019.

K. Hameed, D. Chai, and A. Rassau, "A comprehensive review of fruit and vegetable classification techniques," Image and Vision Computing, vol. 80, pp. 24-44, 2018.

K. L. Yam and S. E. Papadakis, "A simple digital imaging method for measuring and analyzing color of food surfaces," Journal of food engineering, vol. 61, pp. 137-142, 2004.

M. B. Atitallah, A. Boudabous, A. B. Atitallah, and R. Kachouri, "Complexity study of the Gamma correction method for text extraction from complex images," in 2015 16th International Conference on Sciences and Techniques of Automatic Control and Computer Engineering (STA), 2015, pp. 422-426.

M. Khojastehnazhand, M. Omid, and A. Tabatabaeefar, "Development of a lemon sorting system based on color and size," African Journal of Plant Science, vol. 4, pp. 122-127, 2010.

M. Vassallo-Barco, L. Vives-Garnique, V. Tuesta-Monteza, H. I. Mejia-Cabrera, and R. Yera, "Automatic Detection of Nutritional Deficiencies In Coffee Tree Leaves Through Shape And Texture Descriptors," Journal of Digital Information Management, vol. 15, pp. 7-18, 2017.

N. A. Dobernack, "Implementación de un sistema de detección de señales de tráfico mediante visión artificial basado en FPGA," Universidad de Sevilla, Sevilla, España.[Online] Available: http://bibing.us.es/proyectos/abreproy/12112/fichero/Documento_por_capitulos, vol. 2, 2013.

N. Keen, "Color moments," School Of Informatics, University Of Edinburgh, pp. 3-6, 2005.

O. S. Enejoh, I. O. Ogunyemi, M. S. Bala, I. S. Oruene, M. M. Suleiman, and S. F. Ambali, "Ethnomedical importance of Citrus aurantifolia (christm) swingle," The Pharma Innovation, vol. 4, p. 1, 2015.

R. Yera and L. Martínez, "Fuzzy tools in recommender systems: A survey," International Journal of Computational Intelligence Systems, vol. 10, pp. 776-803, 2017.

Y. Ying, H. Xu, and Z. Xu, "Non--destructive maturity evaluation of citrus by hue frequency sequence method," Journal of Biomathematics, vol. 21, pp. 306-312, 2006.

Contador de visualizaciones: Resumen : 189 vistas.