Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Abstract.
During the elaboration process of fish meal, there are certain stages in which the feedback
from the process of drying, pressing and cooking is done manually, under certain variables
such as texture and color found in the finished product and also according the result obtained
from the analysis of laboratory samples.
In this particular case we refer to the stages of drying. According to experts, the color and
texture seen and felt in the production process directly affects the quality of the final product,
so modifying parameters such as temperature and humidity in the previous stage of the drying
process of fish meal as the aforementioned variables (color and texture).
Introducción.
Durante el proceso de elaboración de harina de pescado, existen ciertas etapas en las cuales la
retroalimentación del proceso de secado, prensado y cocinado se realiza de forma manual,
bajo ciertas variables como la textura y el color observado en el producto elaborado y
también de acuerdo al resultado obtenido del análisis de las muestras de laboratorio.
En este caso en particular nos referiremos a las etapas de secado. Según los expertos, el color
y textura observado y palpado en el proceso de producción influye directamente en la calidad
del producto final, es así que se modifican parámetros como temperatura y humedad, en la
etapa anterior del proceso de secado de la harina de pescado según las variables antes
mencionadas (color y textura).
1. Proceso de elaboración de harina de pescado en Planta Ilo
Equipamiento Preparación de
de adquisición biblioteca de
Adquisición de imágenes
de imágenes imágenes
Presentación de
Evaluación y entrega de resultados resultados
3. Adquisición de Imágenes.
Según la figura Nro 1. las etapas que consideramos adecuadas para instalar los
dispositivos de adquisición de imágenes, son a la salida de el Secador de Vapor
Rotatubos y el Secador de Aire caliente.
4. Procesamiento de imágenes
1.Introducción
(2)
Bajo algunos supuestos leves, el wavelet madre satisface la restricción de tener media cero.
La eq. (1) puede ser discretizada mediante la restricción de A y B a una red discreta (a = 2 b, b
). Normalmente, se impone que las transformación debe ser no-redundante, completa y
constituye una representación multiresolución de la señal original. La extensión a los casos en
2-D se realiza generalmente mediante el uso de un producto de Filtros 1-D. En la práctica, la
transformación se calcula mediante la aplicación de un banco de filtros separables a la
imagen:
(3)
donde * denota el operador de convolución, (3) 2,1 ( 1,2) denota el muestreo hacia abajo a
lo largo de las filas (columnas) y un A0 = I es la imagen original, H y G son los filtros pasa
alto y pasa bajos y respectivamente. A n se obtiene por un filtrado de pasa bajos y se
denomina como la imagen de baja resolución (aproximación) en la escala n. D n1, D n2 , Dn3se
obtienen por un filtro pasa banda en una dirección específica (horizontal, vertical y diagonal,
respectivamente) y por lo tanto contienen información direccional detallada n y se denomina
imágenes de alta resolución (detalle) en la escala n. La imagen original I ; es pues,
representada por un conjunto de sub imágenes en varias escalas. Esta descomposición se
llama descomposición por "Transformada piramidal de óndulas" o Descomposición Discreta
por òndulas (DWT). Cada sub-imagen contiene información detallada de una escala y
orientación específicas. La información espacial es retenida dentro de la sub-imagen.
En el presente trabajo, las características se obtienen utilizando la óndula de Haar (Fig. 1.),
Que viene dada por
(4)
3. La propuesta de trabajo
And
El vector de traslación se denota por t [d, a], donde "d" es la distancia y “a” es el ángulo. En
experiencias previas se han considerado una distancia de 1 (d = 1) y ocho ángulos (a = 0º, 45º,
90º, 135º, 180º, 225º, 270º, 315º). El diagrama esquemático se muestra en la Fig. 3.
Los histogramas simultáneos para cada combinación, para cada uno de los ocho ángulos, se
constituyen en la obtención de 16 histogramas por par. El conjunto de características incluye
384 de cada uno con 3características calculadas a partir del histograma acumulativo
normalizado. Ejemplo: 8 pares x 16 histogramas x 3características.
Cálculo de Histograma
Características de Cálculo:
1. Considere un histograma H.
4. Los puntos de la NCH (NCH 1, NCH 2, ..., NCH256), son los puntos de la muestra.
Para obtener una imagen en color, las características basadas en ondulas (sección 3.1) se
calculan sobre cada uno de los canales R, G, B. Se da un total de 384x3 = 1152
características. La representación esquemática se muestra en la figura. 6
Fig(6) Diagrama esquemático que muestra el enfoque multiespectral en el espacio RGB.
En este enfoque, usamos diferentes espacios de color, a fin de obtener un canal que contiene
la información de luminancia y otras dos que contienen información de crominancia.
Características de textura se calculan entonces por el canal de luminancia. Las características
estadísticas denominadas de primer orden, media y desviación estándar, se calculan desde el
canal de crominancia:
(7)
(8)
Este método produce 384 +2 +2 = 388 funciones y se prueba en espacios de color VHS y
YCbCr. En primer lugar, el HSV (tono, saturación, valor) fue el espacio de color utilizado.
Corresponde a la mejor experiencia de cómo la gente experimienta el que el espacio de color
RGB hace: hue(H) representa la longitud de onda de un color si fuera monocromática. Hue
varía de 0 a 1 cuando el color va del rojo al verde luego a azul y luego de vuelta a rojo. H se
define como Módulo 1. Como el color es rara vez monocromático, la saturación (S)
representa la cantidad de color blanco mezclado con los colores monocromáticos. El Valor
(V) no depende del color, sino que representa el brillo. Así H y S representan la crominancia y
V es la intensidad.
, si V=G (11)
, si V=G (12)
En segundo lugar, utilizando el espacio de color YCbCr, que es ampliamente utilizado para
vídeo digital. En este formato, la información de luminancia se almacena como único
componente (Y), y la información de crominancia se almacena como dos componentes
diferenciados de color (Cb y Cr). Cb representa la diferencia entre el componente azul y un
valor de referencia. Cr representa la diferencia entre el componente rojo y un valor de
referencia. Estas características se define a efectos de procesamiento de vídeo y por lo tanto
no son significativos para la percepción humana.
Fig(8) Diagrama esquemático que muestra las características de textura para el método de
escala de grises.
4.1 Entrenamiento
4.2 Clasificación
5. Presentación de resultados
6. Referencias