Dispositivos para captura de imágenes digitales en la determinación de características físicas de frutos – caso de estudio Aguacate Hass

dc.contributorMeneses Escobar , Carlos Augusto
dc.creatorArango Arias, Jenny Lorena
dc.creatorLópez Velázquez , Angélica Bibiana
dc.date2022-04-12T12:43:43Z
dc.date2022-04-12T12:43:43Z
dc.date2021
dc.date.accessioned2022-09-23T21:07:02Z
dc.date.available2022-09-23T21:07:02Z
dc.identifierUniversidad Tecnológica de Pereira
dc.identifierRepositorio institucional Universidad Tecnológica de Pereira
dc.identifierhttps://repositorio.utp.edu.co/home
dc.identifierhttps://hdl.handle.net/11059/14007
dc.identifier.urihttp://repositorioslatinoamericanos.uchile.cl/handle/2250/3525379
dc.descriptionLos dispositivos para capturar imágenes digitales que pueden determinar características físicas de los frutos se puede definir como una gran herramienta la cual les permite a los seres humanos acercasen más a un mundo digital que permitirá sacar el máximo provecho de su entorno. A partir de lo anterior se plantea la siguiente pregunta de investigación ¿Qué dispositivos tecnológicos se pueden usar para determinar características físicas de los frutos, basadas en imágenes digitales? Por lo que el objetivo de este trabajo es realizar una recopilación de los mejores dispositivos para capturar imágenes digitales. Para llevar a cabo el objetivo, el estudio se estructuro en conocer el estado de arte en Colombia respecto a estas tecnologías, después en recopilar los mejores dispositivos existentes para la captura de imágenes, después tenemos los tipos de cámaras con las tecnologías más usadas para capturar imágenes digitales de todo tipo por ultimo las conclusiones de este trabajo, que busca responder a la pregunta de investigación y llevar a cabo los objetivos de este.
dc.descriptionDevices to capture digital images that can determine physical characteristics of the fruits can be defined as a great tool which allows human beings to get closer to a digital world that will allow them to get the most out of their environment. From the above, the following research question arises: What technological devices can be used to determine physical characteristics of the fruits, based on digital images? So, the objective of this work is to make a compilation of the best devices to capture digital images. To carry out the objective, the study was structured in knowing the state of the art in Colombia regarding these technologies, then in collecting the best existing devices for capturing images, then we have the types of cameras with the most used technologies to capture digital images of all kinds finally the conclusions of this work, that seeks to answer the research question and carry out its objectives.
dc.descriptionPregrado
dc.descriptionIngeniero(a) de Sistemas y Computación
dc.format73 Páginas
dc.formatapplication/pdf
dc.formatapplication/pdf
dc.publisherUniversidad Tecnológica de Pereira
dc.publisherFacultad de Ingenierías
dc.publisherPereira
dc.publisherIngeniería de Sistemas y Computación
dc.relationGane D.: Image Management in Dentistry. J Can Dent Assoc (2001); 29(10):759-63
dc.relationGARCÍA-CERVIGÓN D, JOSÉ J. Estudio de índices de vegetación a partir de imágenes aéreas tomadas desde UAS\RPAS y aplicaciones de éstos a la agricultura de precisión: UNIVERSIDAD COMPLUTENSE DE MADRID 2015. Disponible en: http://eprints.ucm.es/31423/1/TFM_Juan_Diaz_Cervignon.pdf
dc.relationKarimi, P.; Bastiaanssen, W. G. M. 2015. Spatial evapotranspiration, rainfall and land use data in water accounting – Part 1: Review of the accuracy of the remote sensing data. Hydrology and Earth System Sciences, 19 (1): 507-532.
dc.relationLowe H., Buchanan B. Cooper G. y Vries J.: Building a medical multimedia database system to integrate clinical information: an application of high performance computing and communications technology. Bull Med Libr Assoc (1995); 83(1): 57-64
dc.relationCaptain, S.: Mejores Productos. PC WORLD (2001); 48(3): 93-101
dc.relationBenz C.: Digital photography: exposures, editing images, and presentation. Int J Comput Dent (2003); 6(3): 249-81
dc.relationOnieva, D.: Pequeño Formato. PC Actual (2001); 127: 150-2.
dc.relationBarrancos P. y Pereira C.: Imágenes electrónicas en odontología. En: Barrancos M., editor. Operatoria Dental. Tercera edición, Buenos Aires, Editorial Médica Panamericana. (1999)
dc.relationHutchinson I. y Williams P.: Digital Cameras. J Ortho (1999); 26(4): 326- 31.
dc.relationRusso, S: What can we expect from the technology? Computer (1997); 30 (11): 52-3.
dc.relationAnegón, F. d. (2002). La aplicación de Redes Neuronales Artificiales (RNA):.
dc.relationArroyal, I. V. (2016). Retoque digital de imágenes. ARGG0110.
dc.relationArtigas, J. M. (2002). Fundamentos de colorimetría.
dc.relationBALLIN. (2018). Modelo computacional de ayuda a la toma de decisiones. Guayaquil. Castrillón, O., Giraldo, J., & Sarache, W. (2008).
dc.relationSistema de Clasificación Bayesiano basado en Múltiples Clases. Journal of Systemics, Cybernetics anf Informatics, 25. Cerrada, C. (2002). I
dc.relationIntroduccion a la Vision Por Computador. En C. J. Sánchez, Libro Avances en robótica y visión por computador (págs. 30-45). Castilla: Ediciones de la Universidad de Castilla-La Mancha. Elizondo, J. J. (2002).
dc.relationFundamentos de procesamiento de imágenes digitales. Tijuana-Mexico. Escolano, F., Cazorla, M., Alfonso, M., Colomina, O., & Lozano, M. (2003).
dc.relationInteligenci Artificial, Modelos Técnicas y Áreas de Aplicación. España, Madrid: Graficas Rogar. Esqueda, J., & Palafox, L. (2004-2005).
dc.relationFundamentos de Procesamiento de Imágenes. Baja Califironia: Departamento de Editorial Univeristario. González, A., Martínez, F., Pernía, A., Alba, F., Castejón, M., Ordieres, J., y otros. (2006).
dc.relationTécncas y algoritmos básicos de visión artificial. La Rioja: Universidad de La Rioja, Servicios de Publicaciones. González, M. L. (2015).
dc.relationSelección y adecuación de la imagen para productos editoriales. J. M. Artigas, P. C. (2002). Tecnología del color. Macias, R., Rodríguez, J., & Alba-Juárez, J. (2016). Extraccion de bordes; Operadores Sobel, Prewitt y Roberts. http://www.boletin.upiita.ipn.mx/index.php/ciencia/669-cyt-numero-55/1293- extraccion-de-bordes-operadores-sobel-prewitt-y-roberts. Manuel Martín 2013, O. Procesamiento Digital de Imágenes. Enero 2013. FCC – BUAP, Puebla-Mexico. Martín, M. (2013). Procesamiento Digital de Imágenes. Puebla-Mexico. MATICH. (2001). Redes Neuronales. Argentina. 96 ministerio de Agricultura, G. A. (2014).
dc.relationManual de aplicabilidad de buenas prácticas agrícolas de banano. Nilsen, M., & Madrigal, C. (2016). Clasificación de calidad de fresas usando procesamiento de imágenes y máquinas. Repositorio Institucional Universidad Inca Garcilazo de la Vega , 157-163. ORDOÑEZ, G. (2005).
dc.relationDISEÑO DE UN PROCESO PARA LA MADURACION ACELERADA DEL BANANO UTILIZANDO ETEFON COMO AGENTE MADURADOR. GUAYAQUIL. Platero, C. (2009). Apuntes de vision artificia. España: Free Software Foundation, Inc. Querejeta Simben 2015i, P.
dc.relationProcesamiento digital de imágenes. Julio 2015. Universidad Nacional del Sur, Avda. Alem 1253, B8000CPB Bahía Blanca, Argentina, Bahía Blanca. Real, J., Granado, B., Perez, E., & Valle, L. D. (2016-2017).
dc.relationSistema de Reconocimiento de frutas. OPERA, Universidad de Sevilla, 4-5. Romero, A., Marin, A., & Jimenez, J. (2015).
dc.relationSistema de clasificacion por vision artificial de auguacate has. UIS Ingenierias, Revista de la Facultad de Ingienierias Fisicomecanicas, 22-30. S.L., E. E. (02 de noviembre de 2016). cocoschool. Obtenido de https://www.cocoschool.com/pixel-funcion-fotografia-digital/ Sandoval, Z. &. (2009).
dc.relationProcesamiento de imagenes para la clasificacion del cafe cereza. Sandoval, Z., & Prieto, F. (2009).
dc.relationProcesamiento de imagenes para la clasificacion del cafe cereza. Redalyc, 67-73. Serna, N. L., & Roman, U. (2009). Tecnicas de segfmentacion de Procesamiento de imágenes. Revista de Investigacion UNMSM, 9-16. Villamar, A. B. (2017). APP preguntativa, responsiva, Guayaquil.
dc.relationMARAVALL GOMEZ, Darío. “Reconocimiento de formas y visión artificial”, Editorial RA-MA.1994.
dc.relationAssociation of Official Agricultural Chemists (AOAC). (1998). AOAC Official method 934.01. Moisture in animal feed. Recuperado de https://www. grains.k state.edu/extension/doc/procedures/animal-feed-moistureprocedures.pdf.
dc.relationAssociation of Official Agricultural Chemists (AOAC). (2006). Official method 963.15. Fat in cacao products Soxhlet extraction method (18th ed.). Gaithersburg, EE. UU.: Autor
dc.relationBayram, S., Tepe, S., & Toker, R. (2016). Determination of some physical and chemical changes in fruits of Hass avocado cultivar during harvesting time. Derim, 33(1), 14-26
dc.relationCerdas Araya, M. M., Montero Calderón, M., & Somarribas Jones, O. (2014). Verificación del contenido de materia seca como indicador de cosecha para aguacate (Persea americana) cultivar Hass en zona intermedia de producción de Los Santos, Costa Rica. Agronomía Costarricense, 38(1), 207-2014.
dc.relationKonica Minolta. (2019). Entendiendo el espacio de color CIE L*A*B*. Recuperado de http://sensing.konicaminolta.com.mx/2014/09/entendiendo-el-espaciode color-cie-lab/
dc.relationBaranovski P., Mazurek, W., Wozniak, J ., Majewska, U., 2012. Detection of early bruises in apples using hyperspectral data and thermal imaging. JOURNAL OF FOOD ENGINEERING 110 (3) : 345-355.
dc.relationBramley R.G.V., Le Moigne, M , Evain, S., Ouzman, J ., Florin, L ., Fadaili, EM., Hinze, CJ., Cerovic, ZG. 2011. On-the-go sensing of grape berry anthocyanins during commercial harvest: development and prospects. AUSTRALIAN JOURNAL OF GRAPE AND WINE RESEARCH 17 ( 3) 316-326
dc.relationDA-Meter, de TR Turoni, Forlí (región Emilia-Romagna, Italia). 2009. Gao, HS ., Zhu, FM ., Cai, JX . Editor(s): Li, DL; Zhao, CJ. 2010. A Review of Nondestructive Detection for Fruit Quality. Source: COMPUTER AND COMPUTING TECHNOLOGIES IN AGRICULTURE III Book Series: IFIP Advances in Information and Communication Technology, 317: 133-140
dc.relationHernández-Sánchez, N., P. Barreiro-Elorza, and J. Ruiz-Cabello. 2009. Nuclear magnetic resonance for internal quality evaluation in horticultural products. In
dc.relationKaroui, R., Blecker, C. 2009. Fluorescence Spectroscopy Measurement for Quality Assessment of Food Systems-a Review. FOOD AND BIOPROCESS TECHNOLOGY 4 (3) : 364-386
dc.relationLorente, D ., Aleixos, N ., Gomez-Sanchis, J , Cubero, S ., ; Garcia Navarrete, OL., Blasco, J . 2012. Recent Advances and Applications of Hyperspectral Imaging for Fruit and Vegetable Quality Assessment. FOOD AND BIOPROCESS TECHNOLOGY . 5( 4) Pages: 1121-1142. Lleó, L., Roger J.M. , Herrero-Langreo A., Diezma-Iglesias B., Barreiro P. 2011. Comparison of multispectral indexes extracted from hyperspectral images for the assessment of fruit ripening Journal of Food Engineering 104:612–620.
dc.relationLleo, L., P. Barreiro, M. Ruiz-Altisent, and A. Herrero. 2009. Multispectral images of peach related to firmness and maturity at harvest. Journal of Food Engineering 93 (2):229-235. Lou, HQ ., Hu, Y., Zhang, LY., Sun, P., Lu, HF . 2012. Nondestructive evaluation of the changes of total flavonoid, total phenols, ABTS and DPPH radical scavenging activities, and sugars during mulberry (Morus alba L.) fruits development by chlorophyll fluorescence and RGB intensity values. FOOD SCIENCE AND TECHNOLOGY 47 (1) : 19-24.
dc.relationLu, R., and Y. Peng. 2007. Development of a multispectral imaging prototype for realtime detection of apple fruit firmness. Optical Engineering 46 (12). Lu R.; Haiyan Cen; Diwan Ariana.2012. Development of a multi-purpose optical instrument for measuring spectral absorption and scattering properties of food and biological materials . CIGR-EuiAgEng Congress, Valencia July, P2310
dc.relationMattheis, JP., Rudell, D. 2011. Responses of 'd'Anjou' pear (Pyrus communis L.) fruit to storage at low oxygen setpoints determined by monitoring fruit chlorophyll fluorescence. POSTHARVEST BIOLOGY AND TECHNOLOGY 60 ( 2 ): 125-129 .
dc.relationObon, JM., Diaz-Garcia, MC ., Castellar, MR . 2011. Red fruit juice quality and authenticity control by HPLC. 2011. JOURNAL OF FOOD COMPOSITION AND ANALYSIS 24 (6 Special Issue): 760-771.
dc.relationRuiz-Altisent, M. et al. Sensors for Sensors for product characterization and quality of specialty crops-A review.COMPUTERS AND ELECTRONICS IN AGRICULTURE 74: 176–194).
dc.relationPatel, KK., Kar, A., Jha, SN., Khan, MA . 2012. Machine vision system: a tool for quality inspection of food and agricultural products. JOURNAL OF FOOD SCIENCE AND TECHNOLOGY-MYSORE . 49 (2) : 123-141.
dc.relationPerez-Marín, D. , Paz, P , Guerrero, JE , Garrido-Varo, A, Sanchez, MT . 2010. Miniature handheld NIR sensor for the on-site non-destructive assessment of post-harvest quality and refrigerated storage behavior in plums. JOURNAL OF FOOD ENGINEERING. Volume: 99 (3): 294-302.
dc.relationSlaughter, D. C., M. Ruiz-Altisent, J. F. Thompson, P. Chen, Y. Sarig, and M. Anderson. 2009. A Handheld, Low-Mass, Impact Instrument to Measure Nondestructive Firmness of Fruit. 52 (1):193-199.
dc.relationScibisz, I, Reich, M , Bureau, S , Gouble, B , Causse, M, Bertrand, D Renard, 2010. FOOD CHEMISTRY 125 (4): 1390-1397
dc.relationUSDA. 2004. Specialty Crop Competitiveness Act. In 7 U.S.C. 1621 note, edited by U. S. D. o. Agriculture.
dc.rightsManifiesto (Manifestamos) en este documento la voluntad de autorizar a la Biblioteca Jorge Roa Martínez de la Universidad Tecnológica de Pereira la publicación en el Repositorio institucional (http://biblioteca.utp.edu.co), la versión electrónica de la OBRA titulada: ________________________________________________________________________________________________ ________________________________________________________________________________________________ ________________________________________________________________________________________________ La Universidad Tecnológica de Pereira, entidad académica sin ánimo de lucro, queda por lo tanto facultada para ejercer plenamente la autorización anteriormente descrita en su actividad ordinaria de investigación, docencia y publicación. La autorización otorgada se ajusta a lo que establece la Ley 23 de 1982. Con todo, en mi (nuestra) condición de autor (es) me (nos) reservo (reservamos) los derechos morales de la OBRA antes citada con arreglo al artículo 30 de
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightshttp://purl.org/coar/access_right/c_abf2
dc.rightsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rightshttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject000 - Ciencias de la computación, información y obras generales::006 - Métodos especiales de computación
dc.subjectInteligencia artificial - Procesamiento de datos
dc.subjectInteligencia computacional
dc.subjectVisión por computador
dc.subjectAguacate Hass
dc.subjectCamaras infrarrojas
dc.subjectVisión artificial
dc.titleDispositivos para captura de imágenes digitales en la determinación de características físicas de frutos – caso de estudio Aguacate Hass
dc.typeTrabajo de grado - Pregrado
dc.typehttp://purl.org/coar/resource_type/c_7a1f
dc.typehttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.typeText
dc.typeinfo:eu-repo/semantics/bachelorThesis
dc.typeinfo:eu-repo/semantics/acceptedVersion


Este ítem pertenece a la siguiente institución