| dc.contributor | Legal Ayala, Horacio Andrés | |
| dc.creator | Miranda, Juan Carlos | |
| dc.date | 2022-04-23T20:27:05Z | |
| dc.date | 2022-04-23T20:27:05Z | |
| dc.date | 2018 | |
| dc.date.accessioned | 2023-09-25T13:31:45Z | |
| dc.date.available | 2023-09-25T13:31:45Z | |
| dc.identifier | http://hdl.handle.net/20.500.14066/3172 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8807601 | |
| dc.description | En este trabajo, se propone una metodología automática y reproducible utilizando técnicas de visión por computadora para clasificación de naranjas por tamaño y por defectos. Los pasos propuestos para clasificación por tamaño fueron: adquisición de imágenes, calibración, procesamiento y segmentación de imágenes, extracción de características y clasificación. Se aplicaron 2 técnicas de procesamiento y segmentación de imágenes para separar la fruta. Para clasificación se evaluaron 2 modos: clasificación según umbral, clasificación con aplicación de aprendizaje automático. El método de segmentación 2, basado en umbrales en el espacio CIELAB, demostró ser el mejor y se vio menos afectado por los cambios de iluminación en una comparativa visual. La mejor combinación de procesos ensamblados para clasificación fue la que incluyó: el método de segmentación 2, medición del eje menor a partir de 4 imágenes y clasificación con el algoritmo SVM. Los pasos propuestos para detección de defectos fueron: marcación y creación de banco de imágenes, generación de datos para aprendizaje, evaluación de frutas con el algoritmo KNN. La segmentación de defectos consistió en la implementación de 3 variantes combinadas con operaciones de morfología binaria y suavizado. Las regiones fueron sometidas a un proceso de verificación automática
contra lo marcado por un experto. La variante 2 basada en el filtro Prewitt demostró una exactitud de 96%. Para clasificación de defectos se utilizaron características geométricas y de color en conjunto con el algoritmo KNN. | |
| dc.description | CONACYT - Consejo Nacional de Ciencia y Tecnología | |
| dc.description | PROCIENCIA | |
| dc.language | spa | |
| dc.publisher | FP-UNA | |
| dc.relation | BECA08-25 | |
| dc.rights | open access | |
| dc.subject | 6 Producción y tecnología industrial | |
| dc.subject | CLASIFICACION AUTOMATICA | |
| dc.subject | TECNICAS DE VISION POR COMPUTADORA | |
| dc.subject | INFORMATICA | |
| dc.subject | COMPUTACION | |
| dc.subject | IMAGENES DIGITALES | |
| dc.subject | TECNOLOGIA | |
| dc.title | Clasificación automática de naranjas por tamaño y por defectos utilizandotécnicas de Visión por Computadora | |
| dc.type | master thesis | |
