Procesamiento de imágenes de fruto de palma de aceite mediante técnicas de Machine Learning para la clasificación de fruto y predicción de la calidad de aceite de palma
El color se ha utilizado como indicador de estado de maduración en el sector agroindustrial de aceite de palma. Actualmente, este texto se evalúa manualmente mediante la inspección visual del cosechero, lo que conlleva la detección de la calidad del fruto de la palma de aceite (RFF). Este trabajo pr...
- Autores:
-
Contreras Ayala, Juan Pablo
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2018
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/39265
- Acceso en línea:
- http://hdl.handle.net/1992/39265
- Palabra clave:
- Aprendizaje automático (Inteligencia artificial)
Procesamiento de imágenes
Redes neurales (Computadores)
Redes neuronales convolucionales
Ingeniería
- Rights
- openAccess
- License
- https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
id |
UNIANDES2_604cc53d692ca8633c89c207adaf5487 |
---|---|
oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/39265 |
network_acronym_str |
UNIANDES2 |
network_name_str |
Séneca: repositorio Uniandes |
repository_id_str |
|
dc.title.es_CO.fl_str_mv |
Procesamiento de imágenes de fruto de palma de aceite mediante técnicas de Machine Learning para la clasificación de fruto y predicción de la calidad de aceite de palma |
title |
Procesamiento de imágenes de fruto de palma de aceite mediante técnicas de Machine Learning para la clasificación de fruto y predicción de la calidad de aceite de palma |
spellingShingle |
Procesamiento de imágenes de fruto de palma de aceite mediante técnicas de Machine Learning para la clasificación de fruto y predicción de la calidad de aceite de palma Aprendizaje automático (Inteligencia artificial) Procesamiento de imágenes Redes neurales (Computadores) Redes neuronales convolucionales Ingeniería |
title_short |
Procesamiento de imágenes de fruto de palma de aceite mediante técnicas de Machine Learning para la clasificación de fruto y predicción de la calidad de aceite de palma |
title_full |
Procesamiento de imágenes de fruto de palma de aceite mediante técnicas de Machine Learning para la clasificación de fruto y predicción de la calidad de aceite de palma |
title_fullStr |
Procesamiento de imágenes de fruto de palma de aceite mediante técnicas de Machine Learning para la clasificación de fruto y predicción de la calidad de aceite de palma |
title_full_unstemmed |
Procesamiento de imágenes de fruto de palma de aceite mediante técnicas de Machine Learning para la clasificación de fruto y predicción de la calidad de aceite de palma |
title_sort |
Procesamiento de imágenes de fruto de palma de aceite mediante técnicas de Machine Learning para la clasificación de fruto y predicción de la calidad de aceite de palma |
dc.creator.fl_str_mv |
Contreras Ayala, Juan Pablo |
dc.contributor.advisor.none.fl_str_mv |
Valencia Arboleda, Carlos Felipe |
dc.contributor.author.none.fl_str_mv |
Contreras Ayala, Juan Pablo |
dc.contributor.jury.none.fl_str_mv |
Franco de los Ríos, Camilo Andrés Acosta Mejía, Camilo Andrés |
dc.subject.keyword.es_CO.fl_str_mv |
Aprendizaje automático (Inteligencia artificial) Procesamiento de imágenes Redes neurales (Computadores) Redes neuronales convolucionales |
topic |
Aprendizaje automático (Inteligencia artificial) Procesamiento de imágenes Redes neurales (Computadores) Redes neuronales convolucionales Ingeniería |
dc.subject.themes.none.fl_str_mv |
Ingeniería |
description |
El color se ha utilizado como indicador de estado de maduración en el sector agroindustrial de aceite de palma. Actualmente, este texto se evalúa manualmente mediante la inspección visual del cosechero, lo que conlleva la detección de la calidad del fruto de la palma de aceite (RFF). Este trabajo presenta el desarrollo de un sistema de clasificación automatizado de fruto de aceite con las características de color de las imágenes en el campo para el clasificar el estado de maduración del racimo de palma africana. Esta metodología utiliza técnicas de procesamiento a imágenes como los vecinos más cercanos. El enfoque en esta investigación utiliza Redes Neuronales Artificiales (ANN), Redes Neuronales Convolucionales (CNN) y algoritmos de Random Forest (RF), para el RFF en los siguientes cinco estados de maduración: verde, verde-madura, madura, madura-sobremadura y sobremadura. Finalmente la predicción de la producción de aceite. Se realizaron pruebas en un conjunto de datos de un total de 250 imágenes (50 imágenes para cada una de las cinco categorías de RFF. El resultado mostró que el mejor clasificador es la red convolucional, alcanzando un 94% de efectividad en la clasificación. |
publishDate |
2018 |
dc.date.issued.none.fl_str_mv |
2018 |
dc.date.accessioned.none.fl_str_mv |
2020-06-10T16:08:19Z |
dc.date.available.none.fl_str_mv |
2020-06-10T16:08:19Z |
dc.type.spa.fl_str_mv |
Trabajo de grado - Pregrado |
dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
dc.type.content.spa.fl_str_mv |
Text |
dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
format |
http://purl.org/coar/resource_type/c_7a1f |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/39265 |
dc.identifier.pdf.none.fl_str_mv |
u821167.pdf |
dc.identifier.instname.spa.fl_str_mv |
instname:Universidad de los Andes |
dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Séneca |
dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
url |
http://hdl.handle.net/1992/39265 |
identifier_str_mv |
u821167.pdf instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
dc.language.iso.es_CO.fl_str_mv |
spa |
language |
spa |
dc.rights.uri.*.fl_str_mv |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf |
dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.extent.es_CO.fl_str_mv |
58 hojas |
dc.format.mimetype.es_CO.fl_str_mv |
application/pdf |
dc.publisher.es_CO.fl_str_mv |
Universidad de los Andes |
dc.publisher.program.es_CO.fl_str_mv |
Ingeniería Industrial |
dc.publisher.faculty.es_CO.fl_str_mv |
Facultad de Ingeniería |
dc.publisher.department.es_CO.fl_str_mv |
Departamento de Ingeniería Industrial |
dc.source.es_CO.fl_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca |
instname_str |
Universidad de los Andes |
institution |
Universidad de los Andes |
reponame_str |
Repositorio Institucional Séneca |
collection |
Repositorio Institucional Séneca |
bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/6f9a3b62-f710-488b-b360-96031ca8bee3/download https://repositorio.uniandes.edu.co/bitstreams/1fea14ac-fc54-4d82-9ff1-0814681d80df/download https://repositorio.uniandes.edu.co/bitstreams/c3c3765f-e89b-40c8-91c7-cfab90ed933d/download |
bitstream.checksum.fl_str_mv |
b3bf27aebc0d2d2461c98059676a0679 911e3b9709a974811dbe13e83f775e32 8a9a35ae850e86e97217a211a3db8a0e |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio institucional Séneca |
repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
_version_ |
1812134049899085824 |
spelling |
Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Valencia Arboleda, Carlos Felipevirtual::15731-1Contreras Ayala, Juan Pablo50127500Franco de los Ríos, Camilo AndrésAcosta Mejía, Camilo Andrés2020-06-10T16:08:19Z2020-06-10T16:08:19Z2018http://hdl.handle.net/1992/39265u821167.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/El color se ha utilizado como indicador de estado de maduración en el sector agroindustrial de aceite de palma. Actualmente, este texto se evalúa manualmente mediante la inspección visual del cosechero, lo que conlleva la detección de la calidad del fruto de la palma de aceite (RFF). Este trabajo presenta el desarrollo de un sistema de clasificación automatizado de fruto de aceite con las características de color de las imágenes en el campo para el clasificar el estado de maduración del racimo de palma africana. Esta metodología utiliza técnicas de procesamiento a imágenes como los vecinos más cercanos. El enfoque en esta investigación utiliza Redes Neuronales Artificiales (ANN), Redes Neuronales Convolucionales (CNN) y algoritmos de Random Forest (RF), para el RFF en los siguientes cinco estados de maduración: verde, verde-madura, madura, madura-sobremadura y sobremadura. Finalmente la predicción de la producción de aceite. Se realizaron pruebas en un conjunto de datos de un total de 250 imágenes (50 imágenes para cada una de las cinco categorías de RFF. El resultado mostró que el mejor clasificador es la red convolucional, alcanzando un 94% de efectividad en la clasificación."Color has been used as an indicator of the state of maturation in the palm oil sector. Currently, this text is evaluated manually by visual inspection of the harvester, which leads to the detection of the quality of the oil palm fruit (FFB). This work presents the development of a system of automated classification of oil fruit with the characteristics of color of the images in the field to classify the state of maturation of the African palm cluster. This methodology uses image processing techniques as the closest neighbors. The focus in this research uses Artificial Neural Networks (ANN), Convolutional Neural Networks (CNN) and Random Forest (RF) algorithms, for FBB in the following five stages of maturation: green, green-ripe, mature, mature-overripe and overripe. Finally the prediction of oil production. Data set is total of 250 images (50 images for each of the five categories of FBB. The result showed that the best classifier is the convolutional network, reaching a 94% effectiveness in the classification."--Tomado del Formato de Documento de Grado.Ingeniero IndustrialPregrado58 hojasapplication/pdfspaUniversidad de los AndesIngeniería IndustrialFacultad de IngenieríaDepartamento de Ingeniería Industrialinstname:Universidad de los Andesreponame:Repositorio Institucional SénecaProcesamiento de imágenes de fruto de palma de aceite mediante técnicas de Machine Learning para la clasificación de fruto y predicción de la calidad de aceite de palmaTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TPAprendizaje automático (Inteligencia artificial)Procesamiento de imágenesRedes neurales (Computadores)Redes neuronales convolucionalesIngenieríaPublicationhttps://scholar.google.es/citations?user=vPH5LywAAAAJvirtual::15731-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000271403virtual::15731-1e1de19e8-629e-401d-a9d3-77eea3d2db48virtual::15731-1e1de19e8-629e-401d-a9d3-77eea3d2db48virtual::15731-1TEXTu821167.pdf.txtu821167.pdf.txtExtracted texttext/plain97767https://repositorio.uniandes.edu.co/bitstreams/6f9a3b62-f710-488b-b360-96031ca8bee3/downloadb3bf27aebc0d2d2461c98059676a0679MD54THUMBNAILu821167.pdf.jpgu821167.pdf.jpgIM Thumbnailimage/jpeg5985https://repositorio.uniandes.edu.co/bitstreams/1fea14ac-fc54-4d82-9ff1-0814681d80df/download911e3b9709a974811dbe13e83f775e32MD55ORIGINALu821167.pdfapplication/pdf1181189https://repositorio.uniandes.edu.co/bitstreams/c3c3765f-e89b-40c8-91c7-cfab90ed933d/download8a9a35ae850e86e97217a211a3db8a0eMD511992/39265oai:repositorio.uniandes.edu.co:1992/392652024-03-13 15:32:19.907https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co |