Mostrar el registro sencillo del ítem
Procesamiento de imágenes integrado en un ordenador de placa reducida para la caracterización en el proceso de beneficio del cacao
dc.rights.license | abierto | es_ES |
dc.contributor.advisor | Gutierrez Lozano, Cristhiam Jesid | |
dc.contributor.author | Barrera Gil, Adonay | |
dc.contributor.author | Sánchez Foronda, Jeison Andrés | |
dc.contributor.other | Nuñez Rodriguez, Rafael Augusto | |
dc.date.accessioned | 2021-12-15T23:00:38Z | |
dc.date.available | 2021-12-15T23:00:38Z | |
dc.identifier.citation | N/A | es_ES |
dc.identifier.uri | http://repositorio.uts.edu.co:8080/xmlui/handle/123456789/8249 | |
dc.description.abstract | El presente tiene como objetivo establecer las mínimas especificaciones que deben considerarse en el desarrollo de un prototipo de bajo costo integrado en un ordenador de placa reducida que permita identificar características del grano de cacao mediante redes neuronales para que la tecnificación del proceso de beneficio sea de calidad. Se diseño un experimento estadístico con el fin de aprovechar la variabilidad genética para la conformación de la base de datos, de los cuales se seleccionaron aquellos recomendados de las distintas latitudes de Colombia, con condiciones similares a las zonas agroecológicas santandereanas, extrayendo granos bien e insuficientemente fermentados y sin fermentar; con diferentes formas, ancho, largo, espesor; así como requisitos de calidad como mohoso interno, dañado por insectos y/o germinados, pizarrosos, entre otros. Con un material de estudio del orden de las 1200 imágenes mínimo se garantiza un nivel de confianza del 90% para cada uno de los descriptores. Así mismo, un margen de error del 4.13% en el muestreo, resultado de las diferentes pruebas. En términos generales las condiciones que tanto el prototipo como el algoritmo deben cumplir, son la capacidad discriminatoria para resaltar los aspectos de heterogeneidad de los granos dentro de cada conglomerado, así como de homogeneidad entre clases. La fiabilidad o dispersión mínima permitida entre los granos de una misma clase. La incorrelación con características no relacionadas entre sí. La economía que permita un cálculo aceptable sin costes o tiempos excesivos. Y la invariancia en donde aspectos como el tamaño y/o perspectiva de los granos no deben verse reflejados en las características. | es_ES |
dc.description.sponsorship | N/A | es_ES |
dc.description.tableofcontents | RESUMEN EJECUTIVO .................................................................................................. 11 INTRODUCCIÓN ............................................................................................................. 12 1. DESCRIPCIÓN DEL TRABAJO DE INVESTIGACIÓN ........................................ 14 1.1. PLANTEAMIENTO DEL PROBLEMA .................................................................. 14 1.2. JUSTIFICACIÓN ................................................................................................... 15 1.3. OBJETIVOS ......................................................................................................... 16 1.3.1. OBJETIVO GENERAL ....................................................................................... 16 1.3.2. OBJETIVOS ESPECÍFICOS .............................................................................. 16 1.4. ESTADO DEL ARTE ............................................................................................. 17 2. MARCO REFERENCIAL ...................................................................................... 22 2.1. VISIÓN POR COMPUTADOR ............................................................................... 22 2.2. ETAPAS DE LA VISIÓN ARTIFICIAL ................................................................... 23 2.3. REPRESENTACIÓN DE IMÁGENES DIGITALES ................................................ 23 2.4. SEGMENTACIÓN DE IMÁGENES ........................................................................ 24 2.5. RECONOCIMIENTO E INTERPRETACIÓN .......................................................... 25 2.6. PROCESAMIENTO DE IMÁGENES COMO MÉTODO DE MEJORA .................... 26 2.6.1. OPERACIONES DE FILTRADO ........................................................................ 26 2.7. HARDWARE ......................................................................................................... 27 2.8. SOFTWARE ......................................................................................................... 29 2.8.1. RASPBERRY PI 3 E INSTALACIÓN DEL SISTEMA OPERATIVO ..................................... 30 2.8.2. INSTALACIÓN DE PYTHON ..................................................................................... 31 3. DISEÑO DE LA INVESTIGACION ........................................................................ 32 3.1. DISEÑO DEL EXPERIMENTO ESTADÍSTICO ..................................................... 32 3.2. REFERENCIAS NORMATIVAS ............................................................................ 36 3.3. CARACTERÍSTICAS DE LOS DIFERENTES TIPOS DE CACAO ........................ 36 3.4. PROTOCOLO DE CARACTERIZACIÓN PARA LA CALIDAD DEL GRANO ....... 42 3.5. INSTRUMENTACIÓN AUXILIAR PARA RESPALDO O PRUEBAS ..................... 44 3.5.1. EQUIPO DE ADQUISICIÓN DE IMÁGENES ................................................................. 44 3.5.2. ASPECTOS DE BRILLO E ILUMINACIÓN .................................................................... 46 3.5.3. AMBIENTE PARA LA TOMA DE IMÁGENES ................................................................ 48 3.5.4. ACTIVACIÓN DE LA PICAMERA .............................................................................. 4 4.1. OBTENCIÓN DE COLORES PREDOMINANTES EN EL GRANO ........................ 51 4.2. PROCESAMIENTO DIGITAL DE LAS IMÁGENES .............................................. 60 4.2.1. PRE PROCESAMIENTO (FILTRADO DE LAS IMÁGENES) ............................................. 60 4.2.2. SEGMENTACIÓN DE LAS IMAGENES ....................................................................... 64 4.2.3. BINARIZACIÓN DE LAS IMÁGENES .......................................................................... 77 4.2.4. PRUEBAS MORFOLÓGICAS EN LAS IMÁGENES DE LAS SEMILLAS .............................. 87 4.3. CARTA DE PRUEBAS DE CORTE PARA CACAO ............................................ 100 5. RESULTADOS ................................................................................................... 105 5.1. ESPACIOS DE COLOR COMO SISTEMA DE VISUALIZACIÓN ........................ 105 5.2. DETECCIÓN POR TAMAÑO COMO SISTEMA DE CLASIFICACIÓN ................ 117 5.3. PROCEDIMIENTO DE EXPERIMENTACIÓN PARA LA CLASIFICACIÓN ........ 126 5.3.1. CONSTRUCCIÓN DEL CONJUNTO DE DATOS ......................................................... 128 5.4. IMPLEMENTACIÓN DE LOS INVARIANTES DE HU.......................................... 131 5.5. APRENDIZAJE AUTOMÁTICO BASADO EN REDES NEURONALES .............. 137 5.5.1. ENTRENAMIENTO DE LA RED NEURONAL CON OPENCV ........................................ 151 5.5.2. COMPATIBILIDAD DE MATLAB CON RASPBERRY PI ............................................. 153 5.5.3. INTERFAZ OPENCV PARA CÓDIGO BASADO EN MATLAB ...................................... 158 5.5.4. CONFIGURACIÓN DESDE RASPBERRY PI PARA LA ACTIVACIÓN VNC ...................... 159 5.5.5. CONFIGURACIÓN DESDE ANDROID ...................................................................... 161 5.5.6. EVALUACIÓN DE LA EFICIENCIA TANTO DE LA PLATAFORMA COMO DEL ALGORITMO 162 6. CONCLUSIONES ............................................................................................... 165 7. RECOMENDACIONES ....................................................................................... 171 8. REFERENCIAS BIBLIOGRÁFICAS ................................................................... 1749 4. DESARROLLO DEL TRABAJO DE GRADO ....................................................... 51 | es_ES |
dc.language.iso | es | es_ES |
dc.publisher | Unidades Tecnológicas de Santander | es_ES |
dc.subject | Color Thresholder, MATLAB, Numpy, Python, Red Neuronal | es_ES |
dc.title | Procesamiento de imágenes integrado en un ordenador de placa reducida para la caracterización en el proceso de beneficio del cacao | es_ES |
dc.type | degree work | es_ES |
dc.rights.holder | copyright(CC.BY.NC.ND 2.5). | es_ES |
dc.date.emitido | 2021-12 | |
dc.dependencia | fcni | es_ES |
dc.proceso.procesouts | docencia | es_ES |
dc.type.modalidad | proyecto_de_investigación | es_ES |
dc.format.formato | es_ES | |
dc.titulog | Ingeniero Electronico | es_ES |
dc.educationlevel | Profesional | es_ES |
dc.contibutor.evaluator | evaluador | es_ES |
dc.date.aprobacion | 2021-12-10 | |
dc.description.programaacademico | Ingenieria Electronica | es_ES |
dc.dependencia.region | bucaramanga | es_ES |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
-
Proyectos de Investigación
Trabajos de Grado en modalidad DTeI, monografía, Investigación