Caracterización y clasificación de café cereza usando visión artificial

Se desarrolló un sistema de visión artificial para la clasificación de frutos de café en once categorías dependiendo de su estado de madurez. Para la descripción de la forma, el tamaño, el color y la textura de un fruto de café se extrajeron 208 características. La reducción del conjunto de caracter...

Full description

Autores:
Sandoval Niño, Zulma Liliana
Tipo de recurso:
Fecha de publicación:
2005
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/2620
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/2620
http://bdigital.unal.edu.co/985/
Palabra clave:
62 Ingeniería y operaciones afines / Engineering
Evaluación de clasificadores
Café (grano) - clasificación
Café (grano) - selección de características
Visión por computador
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
id UNACIONAL2_90c1a539d02d43ee1ed78a9bceb0cef4
oai_identifier_str oai:repositorio.unal.edu.co:unal/2620
network_acronym_str UNACIONAL2
network_name_str Universidad Nacional de Colombia
repository_id_str
spelling Atribución-NoComercial 4.0 InternacionalDerechos reservados - Universidad Nacional de Colombiahttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Prieto Ortiz, Flavio Augusto (Thesis advisor)63feed28-0147-4753-aeda-edc2d7c2580d-1Sandoval Niño, Zulma Liliana4c943614-11d0-4695-a174-784a9532c75b3002019-06-24T12:49:22Z2019-06-24T12:49:22Z2005-04https://repositorio.unal.edu.co/handle/unal/2620http://bdigital.unal.edu.co/985/Se desarrolló un sistema de visión artificial para la clasificación de frutos de café en once categorías dependiendo de su estado de madurez. Para la descripción de la forma, el tamaño, el color y la textura de un fruto de café se extrajeron 208 características. La reducción del conjunto de características de 208 a 9 se hizo con base en los resultados de dos métodos de selección de características, uno univariado y otro multivariado. El conjunto final de características se evaluó en tres técnicas de clasificación: Bayesiano, redes neuronales y clustering difuso. Con el clasificador Bayesiano se obtuvo un error de clasificación del 5,43%. Usando redes neuronales el error de clasificación fue de 7,46%. Mientras que 19,46% fue el error obtenido usando clustering difuso. / Abstract: A machine vision system was used to classify coffee fruits into eleven groups according to ripen. 208 features of the individual fruits were extracted from two dimensional images and used as shape, size, color and texture description. An univariate and a multivariate method for feature selection was used to select a subset of 9 from an initial set of 208 features. The selected features were subsequently used as inputs to three classification schemes: the Bayesian decision, a neural network and a fuzzy k means clustering. The average classification error obtained for Bayesian classifier was 5,43%. The neural network classifier resulted in a average classification error of 7,46%. While 19,46% was the error obtained using fuzzy clustering.Maestríaapplication/pdfspaUniversidad Nacional de Colombia Sede Manizales Facultad de Ingeniería y Arquitectura Departamento de Ingeniería Eléctrica, Electrónica y ComputaciónDepartamento de Ingeniería Eléctrica, Electrónica y ComputaciónSandoval Niño, Zulma Liliana (2005) Caracterización y clasificación de café cereza usando visión artificial. Maestría thesis, Universidad Nacional de Colombia - Sede Manizales.62 Ingeniería y operaciones afines / EngineeringEvaluación de clasificadoresCafé (grano) - clasificaciónCafé (grano) - selección de característicasVisión por computadorCaracterización y clasificación de café cereza usando visión artificialTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMORIGINALzulmalilianasandovalnino.2005.pdfapplication/pdf1246574https://repositorio.unal.edu.co/bitstream/unal/2620/1/zulmalilianasandovalnino.2005.pdf55037a3c0043df782a94361b9e27ec69MD51THUMBNAILzulmalilianasandovalnino.2005.pdf.jpgzulmalilianasandovalnino.2005.pdf.jpgGenerated Thumbnailimage/jpeg4535https://repositorio.unal.edu.co/bitstream/unal/2620/2/zulmalilianasandovalnino.2005.pdf.jpg5586cbb838fe429b55235e34dd87bc42MD52unal/2620oai:repositorio.unal.edu.co:unal/26202022-08-31 23:02:32.516Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.co
dc.title.spa.fl_str_mv Caracterización y clasificación de café cereza usando visión artificial
title Caracterización y clasificación de café cereza usando visión artificial
spellingShingle Caracterización y clasificación de café cereza usando visión artificial
62 Ingeniería y operaciones afines / Engineering
Evaluación de clasificadores
Café (grano) - clasificación
Café (grano) - selección de características
Visión por computador
title_short Caracterización y clasificación de café cereza usando visión artificial
title_full Caracterización y clasificación de café cereza usando visión artificial
title_fullStr Caracterización y clasificación de café cereza usando visión artificial
title_full_unstemmed Caracterización y clasificación de café cereza usando visión artificial
title_sort Caracterización y clasificación de café cereza usando visión artificial
dc.creator.fl_str_mv Sandoval Niño, Zulma Liliana
dc.contributor.advisor.spa.fl_str_mv Prieto Ortiz, Flavio Augusto (Thesis advisor)
dc.contributor.author.spa.fl_str_mv Sandoval Niño, Zulma Liliana
dc.subject.ddc.spa.fl_str_mv 62 Ingeniería y operaciones afines / Engineering
topic 62 Ingeniería y operaciones afines / Engineering
Evaluación de clasificadores
Café (grano) - clasificación
Café (grano) - selección de características
Visión por computador
dc.subject.proposal.spa.fl_str_mv Evaluación de clasificadores
Café (grano) - clasificación
Café (grano) - selección de características
Visión por computador
description Se desarrolló un sistema de visión artificial para la clasificación de frutos de café en once categorías dependiendo de su estado de madurez. Para la descripción de la forma, el tamaño, el color y la textura de un fruto de café se extrajeron 208 características. La reducción del conjunto de características de 208 a 9 se hizo con base en los resultados de dos métodos de selección de características, uno univariado y otro multivariado. El conjunto final de características se evaluó en tres técnicas de clasificación: Bayesiano, redes neuronales y clustering difuso. Con el clasificador Bayesiano se obtuvo un error de clasificación del 5,43%. Usando redes neuronales el error de clasificación fue de 7,46%. Mientras que 19,46% fue el error obtenido usando clustering difuso. / Abstract: A machine vision system was used to classify coffee fruits into eleven groups according to ripen. 208 features of the individual fruits were extracted from two dimensional images and used as shape, size, color and texture description. An univariate and a multivariate method for feature selection was used to select a subset of 9 from an initial set of 208 features. The selected features were subsequently used as inputs to three classification schemes: the Bayesian decision, a neural network and a fuzzy k means clustering. The average classification error obtained for Bayesian classifier was 5,43%. The neural network classifier resulted in a average classification error of 7,46%. While 19,46% was the error obtained using fuzzy clustering.
publishDate 2005
dc.date.issued.spa.fl_str_mv 2005-04
dc.date.accessioned.spa.fl_str_mv 2019-06-24T12:49:22Z
dc.date.available.spa.fl_str_mv 2019-06-24T12:49:22Z
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
status_str acceptedVersion
dc.identifier.uri.none.fl_str_mv https://repositorio.unal.edu.co/handle/unal/2620
dc.identifier.eprints.spa.fl_str_mv http://bdigital.unal.edu.co/985/
url https://repositorio.unal.edu.co/handle/unal/2620
http://bdigital.unal.edu.co/985/
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.ispartof.spa.fl_str_mv Universidad Nacional de Colombia Sede Manizales Facultad de Ingeniería y Arquitectura Departamento de Ingeniería Eléctrica, Electrónica y Computación
Departamento de Ingeniería Eléctrica, Electrónica y Computación
dc.relation.references.spa.fl_str_mv Sandoval Niño, Zulma Liliana (2005) Caracterización y clasificación de café cereza usando visión artificial. Maestría thesis, Universidad Nacional de Colombia - Sede Manizales.
dc.rights.spa.fl_str_mv Derechos reservados - Universidad Nacional de Colombia
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.spa.fl_str_mv Atribución-NoComercial 4.0 Internacional
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv Atribución-NoComercial 4.0 Internacional
Derechos reservados - Universidad Nacional de Colombia
http://creativecommons.org/licenses/by-nc/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
institution Universidad Nacional de Colombia
bitstream.url.fl_str_mv https://repositorio.unal.edu.co/bitstream/unal/2620/1/zulmalilianasandovalnino.2005.pdf
https://repositorio.unal.edu.co/bitstream/unal/2620/2/zulmalilianasandovalnino.2005.pdf.jpg
bitstream.checksum.fl_str_mv 55037a3c0043df782a94361b9e27ec69
5586cbb838fe429b55235e34dd87bc42
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Nacional de Colombia
repository.mail.fl_str_mv repositorio_nal@unal.edu.co
_version_ 1806886322082676736