Implementación de un algoritmo de control de calidad para la selección de productos agrícolas utilizando visión artificial

Abstract

El presente trabajo tiene como objetivo principal generar un algoritmo de detección de fruta en mal estado y así permita el control de calidad; para ello se utilizarán técnicas de procesamiento digital de imágenes tales como histogramas, uso de operadores morfológicos, cambios a otros espacios de color entre otras. El estudio de la investigación se basó en un programa realizado con MATLAB que simuló a partir de imágenes de entrada, donde se describieron una serie de pasos basados en procedimientos de procesamiento digital de imágenes que determinaron que la fruta a analizar estaba en buen estado o no, procurando determinar qué tipo de defecto se detecta. En este trabajo de investigación, en el capítulo 2 hizo referencia a la descripción de las técnicas de procesamiento digital de imágenes, así como técnicas de modelado geométrico y procesos de conocimiento. Mientras que en el capítulo 3 hace referencia a la descripción del sistema donde principalmente la imagen es convertida a una matriz de formato uint8 a formato double, donde se realizó operaciones matemáticas para separar el melocotón del fondo; posteriormente la imagen segmentada pasó a un detector de contornos con el objetivo de obtener un valor que resultó decisorio y así determinar si presenta algún defecto. En el capítulo 4 se mostró los resultados y observaciones obtenidos de las muestras de diversos melocotones, identificados por defectos como picoteados, pulpa visible y golpe; de las cuales se sometieron 100 imágenes analizadas, 11 fallos han sido por este tipo de clasificación defectuosa y se ha acertado un 89%, donde dicho resultado muestra un porcentaje de acierto favorable. Finalmente se concluye que se logró implementar exitosamente algoritmos para la detección de frutos en buen o mal estado, así como la identificación de objetos extraños mediante la segmentación, detección de bordes y el análisis de histogramas obteniendo un tiempo de respuestas del algoritmo de 69.5 segundos por imagen.