Sistema Clasificador de Ciruela Horvin Usando Técnicas de Inteligencia Artificial

En el desarrollo de esta investigación, se implementa un prototipo de banda transportadora para la selección de ciruela, en la cual se instala una sección de sensado compuesta de una cámara contenida en un ambiente de luminosidad controlada. Las imágenes adquiridas por el sistema de sensado, fueron sometidas, por una parte; a algoritmos de Visión por Computador y Deep Learning, orientados a la extracción de características y, por otra parte; a algoritmos de Machine Learning y Deep Learning, orientados a la clasificación del fruto en tres categorías, definidas por sus características morfológicas y deficiencias nutricionales (afectaciones visuales). Las primeras pruebas para llegar a una clasificación satisfactoria, se realizaron aplicando sobre las imágenes múltiples técnicas de Visión por Computador como: Detección de bordes de Canny, operaciones morfológicas, segmentación de fondo por umbrales, entre otras técnicas que permiten hacer ingeniería de características, las cuales dieron paso a una estructura de clasificación condicional. Posteriormente, se hicieron pruebas con árboles de decisión, máquinas de soporte vectorial, perceptrón multicapa y K-Vecino más cercano (KNN). Finalmente, se implementó una estructura de red neuronal convolucional (CNN).

• Autores: Bautista Gordo, Cristian Javier; Fonseca Cala, Yesid Aldemar
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2021
• Institución: Universidad Santo Tomás
• Repositorio: Repositorio Institucional USTA
• Idioma: spa
• OAI Identifier: oai:repository.usta.edu.co:11634/33770
• Acceso en línea: http://hdl.handle.net/11634/33770
• Palabra clave: Artificial Intelligence; Plum Selection; Image Classification; Computer Vision; Machine Learning; Inteligencia Artificial; Selección de Ciruela; Clasificación de Imágenes; Visión por computador; Aprendizaje automático
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 2.5 Colombia