SISTEMA DE VISION COLOR DE MADUREZ DE INSPECCIN ACEITE DE PALMA ELAEIS GUINEENSZS

MOHD Z. Abdullah y C. LIM GUAN

Control de Calidad e Instrumentacin Divisin

Y ABDUL M. D. MOHAMED y MOHD A.M. NOOR Comida Tecnologa Divisin Escuela de Tecnologa Industrial

Universidad de Ciencias de Malasia 11800 Minden Penang Malasia

Aceptado para su publicacin 04 de abril 2002

RESUMEN Al revisar la disciplina recoleccin y control de calidad para las frutas de palma de aceite, de color ha sido presumiblemente una importante gua sobre si el contenido de aceite tiene salcanz un mximo en el grupo de frutas yolisto para el corte. Sin embargo, establecimiento de una base estndar nico y armonioso en el color es muy tema polmico en la industria de la palma de aceite, debido a la naturaleza subjetiva de la Fla visin humana del color. Esto se complic an ms debido a la falta o informacin sobre el color de la fruta en la que basar un criterio de madurez definitiva. Nosotros demostrado en este documento que este problema se puede resolver utilizando visin artificial Sla tecnologa. Los mtodos utilizados fueron para el tratamiento del color en H I (Tono, saturacin y Intensidad) espacio de color y discriminantanalysis multivariante aplicado. Estos tienen demostrado ser muy eficaz para la evaluacin del color y de procesamiento de imgenes. La sistema de visin fue entrenado para clasificar las palmas de aceite intofour grados de calidad conforme a PORIM (Instituto Investigacin de (604) Aceite de Palma de Malasia) las normas de ' Correspondencia: Dr. de Z. Mohd Abdullah. TEL: -8602201, FAX: (604) -6573678; inspeccin. Estos E-mail: mzaQusm.my son los verdes, la inmadura, la ptima madurez y las clases maduras. Journal of Food Processing Preservation26 (2002) 213-235. Todo Derechos Dependiendo de la funcin de calidad evaluados, la clasificacin errnea de la reservados. 213 visin "Derechos de autor 2002 por Food YNutricin Press, Inc.. Trumbull. Connecticut. sistema vara de 5a 12%, pero en promedio a aproximadamente 8%. La visin artificial desacuerdo vari de 2 a 19%.

Sistemas de visin artificial computarizados se han vuelto cada vez ms popular en las industrias de procesamiento de frutas y hortalizas. La aplicacin de una 214 M.Z.tal ABDULLAH, L. C. GUAN, A.M.D. MOHAMED y M.A.M.NOOR tecnologa en el sector agrcola, especialmente la industria de aceite de palma en problemas debido INTRODUCCIN la escasez de mano de obra y el aumento de los costes de produccin son cada vez ms aguda, se abre un nuevo mundo de posibilidades de automatizacin y movilidades de produccin. Inspeccin y procesos de clasificacin son los dos la cosecha ms importante operaciones de realizan de forma rutinaria en esta industria. La razn de esto es que cuidadosa eliminacin de los pendientes de vencimiento frutas aumentan la tasa de extraccin de crudo de palma aceite, y por lo tanto, una mayor productividad y la mejora del rendimiento. Indirectamente, mejor calidad suele traer mayores ingresos, tal vez ms importante an, los consumidores satisfaccin. Tasa de extraccin de aceite (REA) y el nivel de cidos grasos libres (FFA) son dos principal indicadores de eficiencia de molienda que lata influir indirectamente en la rentabilidad de cualquier empresa de plantacin. Establece la norma nacional que la terica tasa de extraccin es de entre 21% y el 56-23 FFA contenido no debe ser mayor de 5% (Ng 1957). El anlisis de los OER y FFA niveles es constante preocupacin de los trabajadores en el campo de aceite de palma. Esto es debido al hecho de que, sobre la ltimos 10 aos, se observa una disminucin continua de la OER y los casos de palma crudo los envos de petrleo superiores a 5% de FFA a menudo se escucharon (Khoo 1999). A pesar de numerosos factores que afectan a la OER y FFA niveles, ha sido durante mucho tiempo reconoce que este es el resultado del procesamiento de mala calidad racimos de fruta fresca (FFB). De hecho, para todos los 1% de racimos verdes actualidad, la OER disminuir por 0,13%, mientras que el FFA contenido aumentar linealmente como el porcentaje de racimos maduros aumenta Siregar (1976). Por lo tanto la primera tarea para asegurar la calidad en la molienda de aceite es seleccionar una buena calidad FFB para el procesamiento. Actualmente en la aceite industria de la palma, evaluacin de la calidad se lleva a cabo por entrenado inspectores que hacer juicios de calidad como el estado del producto subjetivamente. En la mayora de los los molinos, el sistema de clasificacin fue diseado y practicado para diferenciar el pago de FFB recibido de acuerdo con la calidad. Todos los cultivos se entreguen a los molinos se someten a este ejercicio de clasificacin laborioso en el sitio de la rampa, con frecuencia, sin ninguna verdadera norma en que basar las decisiones. Los cultivos que presentan

La necesidad para la evaluacin de la madurez y el control de calidad de los cultivos de palma de aceite la industria es principalmente para la evaluacin de los resultados de procesamiento y para comprobar 215 COLOR SISTEMA DE VISIN disciplina de la cosecha (Wood et al. 1984). A este respecto, la percepcin del color es muy importante como color indica la madurez y defectos fruta. La percepcin del color es Tambin es importante ya que tanto la calidad y el contenido de aceite son evaluados a travs de la palma aceitera apariencia externa, y la visin es el sentido humano ms aguda. La palma de aceite produce continuamente racimos de fruta fresca y la cantidad de aceite en sus frutos construye hasta un mximo, a partir de entonces la disminucin debido a la hidrlisis de la grasa y sntesis de cidos grasos libres (Southworth 1976a). Racimos maduros desprenden fruta progresivamente y en ltima instancia podrido y mohoso antes de romper en marcha. Por lo tanto, es imperativo que se seleccione slo FFB buena calidad para la cosecha y slo de manera ptima fruta madura ser elegido para el procesamiento. El trmino "maduro" es un tema un tanto polmico en la industria de la palma aceitera. Tradicionalmente, el nivel de madurez se define en trminos del nmero de frutas sueltas o individual de la montn. Por lo tanto, el montn es suficientemente madura cuando ms del 25% de la frutas exteriores separadas y aquellos con slo el 12,5% a 25% de los frutos exteriores separados debe considerarse underripe (Siregar 1976). Otros han realizado similares estudios y han encontrado fuerte pero contradiciendo la evidencia experimental para probar que el fruto alcanza la etapa ptima madura como pronto como frutos sueltos separarcin se inicia (Southworth 1976b; Azis 1984; Rajanaidu et al. 1984). Vario Se han propuesto estndares de cosecha en base a estos hallazgos. Popular entre los que es el estndar de maduracin mnimo de una fruta separada por racimo o una frutos sueltos por kilogramo de peso del racimo, que se produce cada vez primera (Azis et al. 1991). Este es un estndar ampliamente utilizado por grandes plantaciones de palma aceitera que tambin form parte del principal criterios de evaluacin propuestos por la Investigacin de Aceite de Palma Instituto de Malasia (Jalil 1994). Sin embargo, el establecimiento de una nica satisfactoria estndar dentro de los costos aceptables y, de igual importancia, la aplicacin de la norma en la forma ms econmica, es un tema complicado y ambiguo, no hizo ms fcil por la falta de informacin objetiva. Debido a estos problemas, no hay sistema de inspeccin compatible desarrollado para la industria de la palma aceitera. Esto es, sin embargo cambiar con el advenimiento de la tecnologa informtica y artificiales sistemas inteligentes. En el pasado, la visin de la mquina, que pueden imitar el color humana reconocimiento, tiene sido demostrado. En la actualidad, las cmaras en color de bajo costo y adquisicin de imgenes estn disponibles comercialmente; el principal obstculo ha sido la falta de mtodos de clasificacin adecuados y robustos. La investigacin anterior ha investigado la aplicacin potencial de la mquina sistemas de visin para las categoras de calidad y evaluacin de los cultivos y

216

M.Z. ABDULLAH, L. C. GUAN, A.M.D. Mohamed y M.A.M. NOOR

las tuercas no teidas tiene b e inform (Pearson 1996). Ms recientemente, un prototipoen sistema de reconocimiento del color basado en la mquina se ha desarrollado para multi-modal anlisis de alimentos horneados y asados (Abdullah et al. 2000). Aunque la mquina de inspeccin visual de los productos agrcolas ha sido investigado ampliamente, su extensin a la calificacin de aceite de palma, la clasificacin especial todava no se ha llevado a cabo frutas de colores muy uniformes. En este trabajo se describe tcnicas utilizadas para tren visin artificial para reconocer y clasificar aceite de palma Elaeis guineensis. Este tipo de frutos de palma aceitera fue seleccionado debido a ms que 90% de la palma de aceite comercializado en todo el mundo pertenece a este gnero, y Solo en Malasia 1997 producido ms de 9millones de toneladas, o sea alrededor del 60% del la produccin total mundial, llegando a ms de 4mil millones de personas en todo el mundo y contribuyendo USD 3400 millones para el pas de ingresos de exportacin (Bardaie 1998). Es evidente que existe un gran potencial para la automatizacin de la inspeccin del aceite de palma. Ms importante, se desea la automatizacin porque lata asegurar la consistencia en el producto calidad y manejar grandes volmenes. apuntar de este trabajo fue disear y MATERIALES YLa MTODOS implementar un sistema de control asistido por ordenador para la clasificacin de la palma aceite. En la este Origende del color de fruta de la palma de papel, importante consideracin experimental y descripcin de la configuracin de la aceite En la vida de un solo racimo de frutas no ser el momento en que el petrleo prueba son dado. Una y breve introduccin a la qumica del color ptimo. de la palma de aceite y una el contenido la calidad del aceite estn en equilibrio Cuando esto sucede, descripcin de fruto preparacin de la en muestra se describen la pequeo siguientenmero seccin. La seccin final grupo aparecer color naranja rojizo en y un de frutos se aflojen investiga precisin y compara su que rendimiento con y la cada la del pelotn.del En sistema este punto de tiempo la fruta se puede decir que estar inspectores humanos. en el grado de madurez. Idealmente, slo los racimos que exhibe estas propiedades deben se cortan y nicos frutos que muestran este signo deben ser recogidos y enviados a la fbrica para procesamiento. Para ordinaria o nigrescens fruta, el hecho de que sus cambios de color apreciablemente cuando la maduracin ha sido reconocido desde hace tiempo, asignando diferentes nombres comunes tales como communis cuando el fruto est totalmente rojo y sempemigra cuando el fruto es de color negro sobre la parte superior del medio pero el rojo en la base (Hartley 1977). La razn para la diferencia de color es debido al cambio en la clorofila-a-caroteno relacin de la fruta. En las primeras etapas de desarrollo, los hidratos de carbono que se derivan de la clorofila formar los principales constituyentes bioqumicos de la fruta. Esta piscina del sustrato se continuouslybeing producido hasta despus de la "semana 20 mediante el cual el conversin de los hidratos de carbono-caroteno tiene lugar. Como la fruta madura de la

COLOR SISTEMA DE VISIN

217

contenido de clorofila reduce, convirtindose en insignificantemente pequea en la composicin cuando el fruta es ptima madurez. Bioqumico del color de la fruta aparece de color violeta negro cuando es inmadura y cambios a rojizo rojo como que entra en el perodo de la senescencia. Despus de una o dos semanas despus de este perodo, la degradacin de las molculas de grasa y hidrlisis de caroteno se producen, lo que resulta en la formacin de cidos grasos libres y glicerol. Este la reaccin en cadena es acompaado por el cambio de color de rojo a rojizo anaranjado rojizo. En esta etapa la fruta se denomina como madura. El contenido de cidos grasos libres de frutas maduras de manera ptima es de aproximadamente 0,8% del peso total en comparacin con alrededor de un 9 a un 10% para las frutas maduras (Southworth, 1976). Por lo tanto, es un enfoque mala a procesar la fruta inmadura como que contiene bajo contenido de aceite, y tambin es igualmente malas prcticas de procesar la fruta demasiado madura, ya que tiene alto contenido de cidos grasos libres. Es evidente partir de la discusin anterior, parece que hay una fuerte Estndar Madurez El Instituto dea Investigacin de Aceite de Palma de Malasia (1994) establece correlacin entre el contenido de aceite y la madurez, se define en trminos de aceite cuatro clases de palma de de palma de aceite ordinarias que se utilizan en este estudio. Las para las frutas colores. Por lo tanto, es tericamente posible desarrollar normas de calidad para la clases, sin madurar, estimados a partir de sus apariciones en color. Sin embargo, es importantehumanos para underripe, ptimamente madura y madura se determinan cualitativamente definir cmo Sin embargo, cabe sealar que estas normas no son estrictamente inspectores. color se puede especificar para que cualquier debido a la interpretacin adherido a en la industria de la palma aceitera problema en gran parte debido a las definiciones subjetiva y ambiguas de informacin poco o no cuantificada se puede evitar. Estos se describen en la estas normas e inspectores capacitados PORIM no son fciles de conseguir. las siguientes secciones. De acuerdo con estas normas, la clase inmadura muestra de color negro violceo tque cubre ms del 90% de la superficie de la fruta. El color unla base de esta fruta parece ser incolora. Mientras tanto, aparecen las clases underripe y ptimamente madura anaranjado rojizo negro y de color rojizo, respectivamente, en la mitad superior, que tiende a aligerar hacia la base. Finalmente el fruto pertenece a la madura clase cuando presente coloracin naranja casi en su totalidad de color rojizo. La figura 1 muestra una imagen capturada de un grupo de frutas de la palma de aceite que sirven como referencias de cuatro categoras de maduracin. Situado en la parte superior esquina izquierda est el inmadura que es seguido inmediatamente por el underripe, la ptima madurez y la madura en una direccin hacia la derecha. Se puede observar a partir de esta imagen que el color de cada fruta es altamente no uniforme, modificar de forma apreciable como uno se mueve desde el vrtice hasta la base de la fruta. Por otra parte, no todas las frutas en el mismo grupo mostrar la misma coloracin. De hecho, se ha informado en otra parte que el caroteno y aceite de contenidos son ms en la seccin superior y disminuyen hacia la botn de la espiguilla, a pesar de que el perfil de distribucin de FFA es bastante similar

218

M.Z. ABDULLAH, L. C. GUAN, A.M.D. M O D E W y M.A.M. NOOR

dentro del racimo (Aziz 1984). En otras palabras, todos los frutos de un mismo grupo son en un estado similar de madurez a pesar de que tanto sus colores y tamaos puede variar con ubicaciones en el pelotn. Por lo tanto, la inspeccin de algunas muestras de frutos de la mismo grupo permitir que el grado de madurez de todo el montn sea determinado. El reto es, por lo tanto, para desarrollar el algoritmo de clasificacin que lata evaluar la variabilidad del color del fruto de la palma de aceite y deducir su grado de madurez con precisin. Lanmero de mtodos tradicionales, que incluyen la bsqueda mesa, umbral y el trabajo cercano vecino clasificacin bastante bien. Por desgracia, el color de aceite de palma puede ser mucho de ser uniforme. En tales casos, la supuestos subyacentes de los mtodos tradicionales pueden ser violados, haciendo que se fallar (MCCOMell y Blau, 1995). Es evidente que se requiere un enfoque diferente para resolver este problema.

. Figura 1. GRUPO DE CUATRO OIL PALMA imagen que muestra diferentes clases de MADUREZ: parte superior izquierda es UNRIF'E Y SEGUIDO POR LA underripe, EL ptima MADURA Y SOBREMADURADA en sentido horario

Elementos del Sistema de Visin Artificial

El hardware de la construccin tpica de la palma de la visin artificial a base de aceite sistema de inspeccin es relativamente estndar. Todos los elementos esenciales se muestran en la figura. 2.

COLOR SISTEMA DE VISIN

219

CCD color cmara

12 v Corriente continua

PC Pentium 111 450 MHZ

. Figura 2 COMPONENTES BSICOS DE UN ACEITE DE PALMA DEL SISTEMA DE INSPECCIN BASADA EN PC

El sistema se compone de los siguientes componentes: (1) personal ordenador (PC), (2) color del marco tarjeta de adquisicin con la memoria de doble puerto, (3) cargo-couple-dispositivo (CCD), (4) iluminacin y (5) los cables. El marco grabber es del sistema de tipos Comet 16 bits fabricados por Matrox Electronic System Limited, Canada. Este elemento se monta en la ranura PCI libre de el Pentium 111 PC funciona a una velocidad de reloj de 450 MHz. Esto permite que una imagen para ser digitalizadas y presentadas en una tasa de ms de 20 imgenes completas por segundo, una velocidad suficientemente alta para este tipo de aplicacin. La cmara CCD empleado es de la TMC-7RGB 1/2 pulg tipo fabricado por Pulnix America Inc., EE.UU.. La cmara viene con lente ptica de tipo C-mount estndar que es conectado a captura de imgenes a travs de un mdulo de arranque CCA-5 de la seal. La cmara est alojado en una cmara cannica con entrada y salida de 150 mm de dimetro y 30 mm, respectivamente. La cmara cuya superficie interior se pint plana blanca se ilumina con una luz fluorescente tipo blanco fro. Esto permite que el generacin de una luz uniforme y difusa elimina la creacin de sombra. Una capacidad de E / S digital acepta una seal de disparo para indicar al sistema cundo comenzar inspeccin y salidas de los resultados para fines de control de proceso. El software para el sistema de inspeccin se divide en dos componentes: software de procesamiento de imgenes y la adquisicin de datos y controlar el software. Ambos son implementado mediante el Matrox Imaging Library (MIL), que proporciona subrutinas para la captura, visualizacin y anlisis de imgenes a travs de la llamada de la biblioteca funciones. El MIL tiene subrutinas especiales que permiten a las imgenes en color que sean convertido a partir de un espacio a otro.

220

M.Z. ABDULLAH, L.C.GUAN, A.M.D. MOHAMED y M.A.M. NOOR

Una imagen digital en color es generalmente representado por el rojo, verde y azul (RGB) Reading Machine of Color valores tristimullus. Esta aproximacin es una consecuencia del hecho de que los humanos percepcin del color est mediada por la respuesta de tres tipos diferentes de fotorreceptores en la retina llamadas conos (Wright 1964). Un ejemplo de RGB distribuciones para el aceite de palma en se muestra de fondo cian yo. Figura 3.n Con referencia a esta figura, parece que hay una separacin adecuada entre algunas de las clases, pero no todos ellos. Por ejemplo, la forma ptima madura y el clases maduras estn claramente separados en el Ry Tdistribuciones, pero no los inmaduras y las clases underripe. En el Bdistribucin, slo la forma ptima madura clase parece estar bien separados, pero no las otras clases. Adems, cada uno nmero de pxeles puede contener intensidades pertenecientes al fondo cian desde su RGB valores distribuidos normalmente bastante entre 0 a 255. Un color diferente norma fue claramente necesario cuantificar con exactitud la madurez de aceite de palma. Uno de los normas utilizadas en esta investigacin es la CIE (Commission Internationale de l'klairage) estndar 1931 que define el color basado su psicofsico propiedades (Wyszecki y Stiles 1967). Una caracterstica til de este sistema es que se permite a los valores tristimullus ser transformados en cantidades de dimensiones inferiores. En este caso son los coeficientes de cromaticidad expresa en trminos de xe y valores. El color de un objeto puede ser evaluado por el simple trazado xy y en coordenadas rectangulares, produciendo un diagrama de cromaticidad. En este trabajo, el equipo utilizado para producir el diagrama de cromaticidad de la palma de aceite es la modelo colormetro CM3500d fabricado por Minolta Corp., Japn. Este equipo expresa coeficientes de cromaticidad en trminos de valores CIExy. Todo las mediciones se realizaron usando una lente de 3 mm y la sonda fue dirigido hacia la base de los frutos. Ms de 40 frutas fueron inspeccionados y el valores CIExy resultantes se promediaron ms de 10 muestras de cada clase. Estos los valores se representaron grficamente en el grfico CIE producir una curva que se conoce como el lugar de maduracin de la palma de aceite. Esto se muestra en la figura. 4. Para facilitar el debate, el lugar se superpone con el caballo de referencia curva de calzado obtenido de una luz monocromtica estndar. Se puede observar a partir esta figura que la cromaticidad de los frutos inmaduros cae cerca el centro de la CIE diagrama. La posicin "C" en este diagrama representa el color que es biochromatically acromtico o incolora. Como se dijo anteriormente, aparece el aceite de palma negro rojizo cuando inmaduro y esto concuerda bien con colormetro ya que este equipos trata tanto de color blanco puro y negro como sin matices. Como el fruto comienza a madurar, el locus se mueve de la zona sin matices a la zona roja, rojiza y termina en un punto de la frontera de la zona de color naranja rojizo. Se puede observar a partir de este diagrama que la diferencia de cromaticidad entre inmaduras y underripe es relativamente pequea en comparacin con la diferencia de cromaticidad entre ptimamente madura y madura, lo que indica que hay un pequeo grado de cambio de color en la temprana

c!

pixel contar

22 43 64 85

148169 190 21 1232 253 -106 $127

uloulouloulo 000000000 A -. h) h) O W L

pixel contar

20 38 58 77ge

5 1150 134 Q 153

172 191 210 229 248

A 4 h) h) OU l O n O L U L O0 0 0 0 0 0

PBML contar

169 190 211 232 253 22 43 64 85 106 1273140

3
~~

(C) Bdistribuciones

. Figura 3. LA RGB DISTRIBUCIONES DE CUATRO DIFERENTES CLASES DE OIL PALMA: 0"No est maduro, "0" ES underripe. -Un " IS ptima MADURA Y X"IS SOBREMADURADA

222

M.Z. AFSDULLAH, L. C. GUAN, A.M.D. Mohamed y M.A.M. NOOR

0.1

0.2

0.3 0,4 0,5

X

0.6

0.7

0.8

. Figura 4. Diagrama de cromaticidad Mostrando el LOCUS MADUREZ DE ACEITE DE PALMA Y TAMBIN LA UBICACIN DE BLANCO EN iluminante "C"

etapa de maduracin. La distancia entre verdes y maduras se compara 0.202 a poco ms de 0,03 entre verdes y underripe. Por lo tanto, distinguishingunripe de underripe muestras o viceversa, pueden ser difcil cromticamente. A pesar de que los diagramas de cromaticidad son tiles en la especificacin de color, se no representan con precisin el color ms cercano al de la percepcin humana. Para procesamiento de color eficiente, una uniforme espacio de color es preferible como que conjuntos casi exactamente con el modelo fisiolgico de la visin aceptada de mquinas de color (Celenk 1990). En este espacio, una variable importante que se utiliza regularmente para definir el color es el matiz (H) valor. En colormetro, esta variable suele ser representado en coordenadas cilndricas de L ', a * y 6 "o simplemente el CIELab valores. Hue se puede calcular desde el espacio CIW transformndolo en un nuevo sistema de coordenadas de color que comprende de brillo psicomtrico (L *), tono (HO) y chroma ('. La transformacin est dada por:C)

COLOR SISTEMA DE VISIN

223

Figura 5muestra la variacin de CIELab los valores calculados a partir de la palma de aceite imagen que se muestra en la figura. 1. Se puede observar que tanto la tonalidad y aumentar la croma en forma curvilnea con madurez. El pequeo matiz y los valores de croma para inmadura . 'clase (aproximadamente 7 6 y 2,62, respectivamente) empuj el punto psychromatic ms cerca del origen o de la zona acromtico de color. Estos valores aumentaron a aproximadamente 48 ' en el tono y el 72,1 en croma para el caso madura. Esta ubicacin es equivalente a rojizo anaranjado en CIELab espacio. Por lo tanto, el matiz mueve ms lejos de el origen y en la direccin hacia arriba como la palma de aceite se madura. Estas observaciones son consistentes con la visin humana del color de aceite de palma y coinciden fuertemente con la tendencia del locus madurez se muestra en la figura. 2. As hue ofrece una mejor discriminacin en comparacin con cualquiera RGB o CIExy valores underripe cuando Laptima maduro especificar colores60 de palma aceitera. Debido 0 a esta razn, el tono fue elegido para la ovenlpe mquina 50 inspeccin.

n
0 10

40
9

30 -

20

30

40

50

60

70

un '

. Figura5. PARCELA colorimtrica de OIL PALMA figure el cambio de tonalidad y

CHROMA durante la maduracin

A diferencia de colormetro, el clculo de tono utilizando sistema de visin artificial es matemtica involucrada, ya que requiere la conversin de color de RGB a HSZ (Tono, saturacin e intensidad) espacio. Una forma de lograr esto es mediante en primer lugar el establecimiento de un nuevo sistema de coordenadas, NQ.La relacin entre los dos sistemas de coordenadas es:

224

M.Z. ABDULLAH. L.C.GUAN, A.M.D. MOHAMED y M.A.M. NOOR

0.59 R0.1 Y 0.30 01

Yo= 0.60 -0.28 -0.32 T Q0,21 -0,52 0,31 B-

En segundo lugar, H es el ngulo de giro alrededor de la QJ avin y por lo tanto lata ser escrito como:

*O

tan-1

Las ecuaciones (2) y (3) son tericamente vlida y que se pueden encontrar en casi cualquier libro de texto en color y procesamiento de imgenes. Por razones prcticas, H se calcul de acuerdo con el sistema de color de Munsell el que viene dado por:

M e; [

(3)

La ecuacin anterior se transforma RGB informacin de tres dimensiones espacio para unidimensional Hespacio. Para el anlisis slo valores H acelerar perteneciente a la palma aceitera fueron procesados y los que estaban despedidos eran eliminado. En este caso, el fondo cian que es equivalente a una tonalidad digitales valor de 125 (Aproximadamente 176 ' en Escala de Munsell) fue retirado porque es esencialmente constante y no proporcionan informacin adicional en el grado de madurez. Un fondo cian w s elegido en este caso, ya que proporcionan altaun contraste entre la palma de aceite y el fondo. Desemejante RGB el espacio, la eliminacin de tonalidad antecedentes en HSZ espacio se consigue fcilmente debido a que su distribucin se encuentra fuera el distributionsbelonging a tono palma aceitera. Filtro de paso bajo con el punto de corte establecido en 100 fue implementado para hacer esto. El histograma de tonalidad imagen de la palma de aceite se muestra en la figura. 1 se presenta aqu en la figura. 6.

COLOR SISTEMA DE VISIN

225

Los valores de matiz que se muestran en esta figura se normalizaron a 255 para la 8-bits sistema de visin artificial. Como se mencion anteriormente, el color de la palma de aceite no es constante y esto se refleja de nuevo en la figura. 6. Valores de Hue para todas las clases de aceite cada de palma en el intervalo entre 35 (Amarillento rojo) 100 (Amarillo verdoso). La distribuciones de la madura y las clases inmaduras son, respectivamente, sesgada hacia los valores de tono inferior y superior. En contraste, la forma ptima madura y clases underripe son aproximadamente una distribucin normal. Un examen cuidadoso de esta figura muestra que los valores de tono para las diferentes clases de aceite de palma se solapan otra. No hay punto de umbral nico que puede separar eficazmente una clase de aceite de palma de la otra. Tambin la presencia de ruido de la imagen puede afectar a estos distribuciones como algunos lugares no deseados pueden aparecer en el mismo rango como aceite de palma tonalidad. Adems, la pequea diferencia de matiz entre verdes y underripe clases se muestra claramente en la figura. 6, en donde, se puede observar que los patrones de tonalidad estas dos clases de aceite de palma son muy similares. Por consiguiente, el nmero de nmero de pxeles de ambas clases verdes y underripe cerca del punto de umbral es significativamente grande, un aumento o disminucin en el valor de umbral por una clase dar lugar de a un buen nmero de palmas de aceite est mal clasificados. Es evidente Algoritmo clasificacin que un diferente Clsicamente, el anlisis multivariante (MDA) es uno de losEl Se necesita un enfoque para discriminante resolver este tipo de problema de clasificacin. primeros mtodo mtodos statistiscal desarrolladas para analizar y clasificar complicada Los conjuntos de esta datos. La MDA era ha sido ampliamente documentado y lectores investigado para aplicacin tratar distribuciones de tono como caractersticas interesados son y referido a un popular libro de multivariado texto en el anlisis de datos estadsticos (Morrison aplicar tcnica discriminante para establecer la clasificacin. Una breve 1967). Aqu del algoritmo es la siguiente. Descripcin una versin resumida slo se da con el fin de facilitar el debate sobre la mquina aplicaciones de visin. La idea bsica de la MDA es generar la clasificacin funcin para cada grupo o clase de objeto. Para una poblacin que comprende de k grupos, la funcin de clasificacin i-simo que contiene mlas variables pueden m expresarse (5) C # fj = 1,2,3 , ...,k para yo como siguiente: xi =ai +
j =1

Eptimam
ente Wundemp e madural

35 38 4. Figura 6. HUE 44 47 50 (normalizado a 8 bits o 255 53 56 59 como mximo) 62 65 68 HISTOGRAM 7 74 77de la palma aceitera como 80 83 86 promedio 89 92 95 durante 100 98 1 MUESTRAS

DE CADA CLASE

8000 7000 6000 5000 -4000 3000 2000 1000 0

*c 1
un X yo ,

.I J Yo

Matiz

COLOR VISION SISTEMA

227

donde una, es la constante de ITH, Hola de entrada y el matiz thejth Ces los classificationis ith, coeficiente para el color Jth. Coeficientes de clasificacin se pueden calcular por primera formando la matriz de varianza-covarianza combinada, W,y segundo, la aplicacin de la despus de la multiplicacin de matrices: Ci =w-1q(6) whereis el vector columna que contiene los valores promedio de tono para la clase i. Del mismo modo, las constantes de clasificacin se pueden calcular utilizando la siguiente procedimiento estndar: 1 U, = (7) -Ci Hola 2

Es bien sabido que el MDA devuelve clasificacin ptima cuando el matrices de covarianza dentro de los grupos son iguales u homogneos. En la prctica real, esta condicin es difcil de cumplir debido a la sistemtica, al azar e inherente errores de medicin. Por ejemplo, se descubri que para que un heursticamente pequeo cambio en las intensidades de iluminacin, los datos RGB capturados por la visin sistema deriva como mucho como 13% al 42%. Se realiz un anlisis de homogeneidad mediante la prueba M de Box que confirm que existe una fuerte correlacin entre la estabilidad y la homogeneidad (Abdullah 2001). Sin embargo, tambin era descubierto que como largo como la homogeneidad no es significativamente sustancial luego la robustez del algoritmo no se vera gravemente afectada. De hecho heterogeneidad mejora el rendimiento del algoritmo debido a un ligero sesgo Preparacin de la muestra (Gombar y Enslein 1991). FFB pertenecientes a ordinaria de palma de aceite tipo procedan de un local plantacin. Ellos fueron trasladados de inmediato a un laboratorio donde se encontraban inspeccionados por la madurez de un panel de visin semi-entrenado, compuesto por varios estudiantes en edad universitaria. Las inspecciones se repitieron, pero con todas las frutas desprendidas de el pelotn. Fue necesario realizar una inspeccin de frutos separados, ya que su colores son altamente no uniforme a pesar de que pueden estar en el mismo grupo. Lo Se observ que las frutas en la periferia son de color naranja grande y profunda en el color mientras que las frutas incrustadas en el interior son ms pequeas y no presentan naranja intenso coloracin. En total, ms de 800 frutos fueron inspeccionados y clasificados manualmente para entrenamiento o conjuntos de pruebas independientes. La primera se utiliza para que el Se utiliz el sistema de visin y la segunda para evaluar su exactitud. Este habilitado el rendimiento del sistema de visin para ser evaluado y la comparacin entre la visin artificial y el inspector humano se ha investigado. Clasificacin fue

228

M.Z. ABDULLAH. L.C. GUAN, A.M.D. M O D E W y M.A.M. NOOR

realizado por cada inspector de la inspeccin de la misma 800 muestras de aceite de palma para cada clase de madurez. Los inspectores estudiaron el aceite de fruto de la palma de una en una y hecho juicio de calidad de la fruta. El tiempo de inspeccin oscil desde menos de un segundo a unas pocas decenas de segundos. La primera 400 las muestras se clasificaron ya sea como verdes, underripe, maduro o madura. Cada clase contiene exactamente 100 muestras. Estos muestras fueron etiquetados como establece la prueba de formacin. De manera similar, los mismos procedimientos se repitieron en el resto 400 muestras. Ellos fueron remitidos a como la El sistema de visin artificial fue entrenado todas las muestras en la conjunto de pruebas independientes. Con el finusando de evitar la degradacin del color prueba a de debido lacapacitacin hidrlisis todo establecido. el entrenamiento, el sistema de visin establecido criterios a frutas fueron Durante inspeccionados dentro de 24 h despus de FFB haba cosechado. partir de imgenes Adems, cada uno de Mtodos mltiples muestras mediante el clculo y prueba el almacenamiento de coeficientes fruto en muestras de entrenamiento y de se tratan por separado, por de lo clasificacin y tanto, lo que simplifica la imagen constantes. Desde el poder discriminante de en cada tonalidad elyuno anlisis y proporcionar una mejor flexibilidad el manejo dedifera la fruta la del otro, que era deseable en que esteel caso de usar slo los valores de tono que exhiben ms clasificacin. Puesto grande algoritmo se implementa en software, el sistema podra ser fcilmente programada poderes discriminantes. El mtodo Wilk-Lambda empleado para para inspeccionar un grupo de frutade o un montn sin fue afectar a su exactitud y selectivamente reproducibilidad. eliminar valores de matices que tienen los poderes discriminantes ms. En esta operacin mtodo funciona de manera sistemtica, la eliminacin de los valores de tono cuyas estadsticas F son ms pequeo que el de quitar valor F y la adicin de valores de tono cuyas estadsticas F son mayor que el a introducir valor F. Un conjunto que contiene los valores de tono que van desde 30 a 100 fueron alimentados con algoritmo Wilk-Lambda usando el valor por defecto F para remover y F para introducir los valores de 2.71 y 3.84, respectivamente. El algoritmo tom 5pasos para converger, reduciendo el nmero de tonos de originalmente 71 a 11. La aceptada valores de tono eran 39, 43, 49, 55, 58, 65, 70, 73, 80 y 87-88. El uso de estos valores, se form una funcin de discriminacin lineal para cada clase de aceite de palma y la clasificacin se establece mediante normas de clasificacin estndar (Morrison 1967). Todas las frutas que pertenecen a la formacin y los equipos de prueba independientes fueron inspeccionados y clasificarse como tales. Figura 7resume el procedimiento general de la mquina inspeccin visual de la palma aceitera. Los procedimientos se llevaron a cabo inicialmente mediante el Paquete Estadstico para Ciencias Sociales (SPSS), producido por el comando andDISCRIMINANT (K i ~ m Gray 1994). Ms tarde se implementan directamenteed en el sistema de visin artificial utilizando Borland C +

+.

COLOR SISTEMA DE VISIN

229

RESULTADOS Y DISCUSIN
es ms preciso en la clasificacin de la aplicacin directa del anlisis discriminante. Como ha explicado anteriormente, el anlisis los discriminante despus Cambiar el se nmero de variables de entrada afectado resultados. Esto es del similar a anlisis Wilk-Lambda resultados de las variables utilizadas en el anlisis discriminante para evaluar la calidad de variedades de queso con HPLC con columna C18 de fase inversa (Mohler Smith y Nakai 1990). Por lo tanto, slo se aplic un anlisis discriminante paso a paso en este trabajo y los resultados analizados. Con el fin de mostrar claramente la relacin entre las palmas de aceite, que es un comn procedimiento en el anlisis discriminante lineal para combinar los datos de entrada, reduciendo la dimensionalidad de dos o tres dimensiones en el proceso. Esto se muestra en una parcela de variables cannicas utilizando SPSS Discriminante. La relacin entre las palmas de aceite del conjunto de pruebas de capacitacin se puede demostrar en un complot cannica se muestra en la figura. 8. Ambas muestras inmaduras y maduras forman dos grupos distintos, pero el otro dos clases se mezclan poco a pesar de que todava forman agrupaciones nicas. Curiosamente, se puede observar a partir de esta trama que el aceite previamente inseparables palma hue en 1-dimensinHel espacio es ahora separables en funcin multidimensional espacio. Ladificultad para distinguir entre underripe ptimamente madura y verdes clases es evidente como se muestra en esta figura. Coincidentemente, tambin era observaron que los inspectores humanos experimentan las mismas dificultades al clasificar palma de aceite para los colores. Resultados de la mquina de clasificacin de la visin se muestran en la Tabla 1. Errores de clasificacin por el sistema de visin fue muy por debajo de 5% para maduro y muestras verdes. Sin embargo, esto ha aumentado a 14% para las muestras de manera ptima maduras y 19%para las muestras underripe. Puesto que estos errores se produjeron a las muestras de entrenamiento, los resultados indican que hay cierta incoherencia en la inspeccin de la visin artificial. Por ejemplo, de cada 100 muestras ptimamente madura que se utilizaron para entrenar al sistema, 5y 9 muestras, cuando se inspeccion, salieron como madura y underripe, respectivamente. Con el fin de investigar la razn de esto, la puntuacin de clasificacin para cada muestra incorrectamente clasificada w s calculado y comparado con el ms altoun puntuacin de la clasificacin en el grupo. Se descubri que las puntuaciones de clasificacin de todas las muestras mal clasificadas yacan cerca de los lmites que separan las categoras de grupo. Sin embargo, se encontr que los como largo como la distancia eucldea entre dos las puntuaciones de clasificacin es al menos un 10% de la distancia mxima en el grupo y, a continuacin, nica clasificacin posible an ser alcanzado.

230

M.Z. ABDULLAH, L. C. GUAN, A.M.D. Mohamed y M.A.M. NOOR

100 inmadura

muestras

100 u n d e p i muestras

La visin artificial
clasificacin

. Figura7. PROCEDIMIENTO DE INSPECCIN DE OIL PALMA COLORES PARA

DISCRIMINANTE ANLISIS: (a) la formacin y (B) Equipos de prueba INDEPENDIENTES

COLOR SISTEMA DE VISIN Funcin2

6

23 Yo

0 GRADO -2

inmaduro

underripe

-4
0optirnallyripe

4 4 -2
0

+
2 4
6

ovemp

Funcin 1 . Figura 8. SEPARACIN DE LA DISCRIMINACIN POR ACEITE DE PALMA GRADOS USO WILK-LAMBDA MTODO Funcin 1y la funcin 2 corresponden a primero y segunda funciones cannicas, respectivamente TABLA 1. RESULTADOS DE LA MQUINA DE VISION consistencia evaluados en FORMACIN TEST SET Inspectores C'assification

Grado
inmaduro

inmaduro underripe ptima

demasiado maduro

Totai

maduro 95 14 5 0 5 0 0

100 100 100 100

underripe

La visin artificial
oplimally

81 9
0

maduro
ovenipe

0
0

86
2

5
98

232

M.Z. ABDULLAH, L. C. GUAN, A.M.D. Mohamed y M.A.M. NOOR

Tabla 2muestra los resultados de mquina de inspeccin de visin de la prueba independiente establecido. Estos resultados indican que hay una posible incoherencia significativa en la calidad evaluacin entre los inspectores y visin artificial. El mejor acuerdo entre inspectores y visin artificial fue 95% para underripe, y fue el peor 88% para la ptima madurez. Estos resultados demostraron una vez ms la tendencia de los humanos inspectores que acomodan muestras ptimamente madura para underripe clase. Desacuerdo entre los inspectores y visin artificial podra ser mayor en este caso porque no todos los inspectores fueron cuidadosamente seleccionados para este estudio y no todos son adecuadamente entrenado para hacer la clasificacin. Investigaciones anteriores han demostrado que no estn de acuerdocin entre los inspectores vari de 14 al 36% cuando se realiza una similares inspeccin tarea (Heinemann ef al. 1994). Teniendo en cuenta esto y el hecho de que errores de clasificacin por el sistema de visin vari de 5a 19% y promediada en el TABLA 2. orden de 8%ENTRE para las caractersticasDE individuales, los resultados anteriores ACUERDO LA CLASIFICACIN INSPECCIN hombre y la mquina PALMAS OLEAGINOSAS INDEPENDIENTES pueden, porDE lo 400 tanto, sugieren Clasificacin de visin artificial m a y ser igual o incluso mejor que la semientrenado Inspectores los jueces de la precisin y consistencia. Por lo tanto el sistema desarrollado tiene una gran potencial para ayudar a los seres humanos con la inspeccin automatizada.
inmaduro undenlpe

90

10 95

0
0

100 100

La visin artificial

demasiado maduro

93

100

CONCLUSIONES Color de la visin de la mquina basado en ha demostrado ser til en la determinacin de la grado de madurez de la palma de aceite para un sistema de monitoreo en lnea. La lineal

COLOR VISION SISTEMA

233

anlisis discriminante utilizando la tcnica de Wilk-Lambda w s empleado paraun desarrollar el algoritmo de correccin de color de la palma aceitera. El sistema produjo un tasa de clasificacin correcta de ms del 90% en cuatro clases principales de palma de aceite, es decir, inmadura, underripe, ptimamente madura y madura. Dificultad en la asignacin de colores para unLas muestras cuyos resultados situados cerca lmites discriminacin discriminante w s la principal fuente de error en la visin artificial. Por el contrario, la principal fuente de error de los inspectores era su inconsistencia o variabilidad. La visin de la mquina mtodos descritos anteriormente, por lo tanto, proporcionar bloques de construccin para fiables desarrollo de un sistema de inspeccin general, que es independiente de lo subjetivo humano calificaciones. Este sistema podra ser utilizado por los organismos reguladores para formulacin y aplicacin de las normas de madurez, destinadas a asegurar clasificacin consistencia y estandarizacin del proceso de evaluacin. Este sistema tambin AGRADECIMIENTOS podra ser interconectado con los sistemas modernos de automatizacin y maquinaria agrcola para Parte de este trabajo tiene recibido el apoyo de la investigacin Intesified la completamente movimiento de la palma aceitera. Tal un USM en mecanizar y automatizar ThePriority el bajo la subvencin interfaz es bastante rutinaria. IRPA/305/PTEKIND/610620. autores agradecen a Terrenos Federal Consolidar YAutoridad de Rehabilitacin (Penang) para proporcionar FFB gratis.

REFERENCIAS
ABDULLAH, M.Z., AZIZ, A.A. y Mohamed, A.M.D. 2000. Calidad inspeccin de productos de panadera utilizando un sistema de visin artificial del color. J. Food Calidad 23 (l), 39-50. ABDULLAH, M.Z., AZIZ, A.A. y Mohamed, A.M.D. 2001. Mquina sistema de visin para inspeccin en lnea de panecillos horneados Malasia. J. Food Ciencia. Tech. (Fo aparecer). Azis, A.A. 1984. Los aspectos bioqumicos de las normas de madurez. En Procedareuniones del Simposio 1984 sobre el impacto del gorgojo de polinizacin en el Industria de Aceite de Palma de Malasia, pp 165-176. Kuala Lumpur, Malasia. Azis, AA, SOOM, RM, BANJARI, M., Zailan, W., OMAR, W. y WOO, C.K. 1991. Madurez norma: ningn signo de fruta suelta y con una frutos sueltos por racimo como norma mnima. En Actas de 1991 PORIM Conferencia Internacional del Aceite de Palma: Avances, perspectivas y Retos hacia las 21 "Century, pp 120-129, Kuala Lmpur, Malasia.

234

M.Z.ABDULLAH, L. C. GUAN,A.M.D. MOHAMED y M.A.M.NOOR

BARDAIE, M.Z.1998. Automatizacin de Agricultura: el camino a seguir para el aceite industria de la palma. En Actas de 1998 Seminario Nacional de Mecanizacin Plantaciones de palma de aceite, pp 32-35, Selangor, Malasia. Celenk, M. 1990. Una tcnica de clustering color para segmentacin de imgenes. Computer Vision, grficos, procesamiento de imgenes 52, 145-170. Gombr, V.K. y ENSLEIN, K. 1991. Una estructura de biodegradabilidad modelo de relacin mediante el anlisis discriminante. En Qumica y medioEstudios ambientales, (J. Devillers y W. Karcher, 4 s.) Pp 377-414, Acadmico Publishers, Pases Bajos. HARTLEY, C.W.S. 1977. La Aceite de Palma. Longman, Londres. Heinemann, P.H., HUGHES, R. Morrow, C.T., SOMMER 111, H.J., Beelman, R.B. y WUEST, P.J. 1994. La clasificacin de las setas con 75,un sistema de visin artificial. Trans. ASAE 3 ()
1671-77.

Heinemann, P.H., Nirajan, P.P. y Morrow, C.T. 1996. Un estacin de inspeccin automatizada para mquina de visin de clasificacin de patatas. Visin Artificial y Aplicaciones 9, 14-19. JALIL, A.M. 1994. Clasificacin de FFB de molinos de aceite de palma en Malasia. En Actas de 1994 PORIM Nacional Fresado de aceite de palma y de Refinacin Conferencia de Tecnologa, pp 75-95, Kuala Lumpur, Malasia. Khoo, E.M. 1999. Petrleo y tasa de extraccin del ncleo -una gestin perstiva. Engineering News (El Boletn para Ingenieros en La Palma Aceitera Industria) 51, 14-31. KINNEAR, P.R. y GRAY, C. D. 1994. SPSS para Windows, Lawrence Erlbaum Associates Publishers, Reino Unido. McConnell, R.K y Blau, H. H. 1995. Clasificacin del color de la noalimentos horneados y asados uniformes. FPAC NConferencia Noviembre 3-5, Chicago. MILLER, M. L. y Delwiche, M.J. 1989. Un sistema de visin de los colores de melocotn calificaciones. Trans. ASAE 32 (4), 1484-1490. MOHLER SMITH, A. y NAKAI, S. 1990. Clasificacin de las variedades de queso por el anlisis multivariante de los perfiles de HPLC. Can. Inst. Alimentacin Ciencia. Technol. J. 23 (1), 53-58. MORRISON, D. F. 1967. Mtodos estadsticos multivariados, McGraw-Hill, New York. 203-209. NG, S.K. 1957. La Aceite de Palma: su cultura, el abono y Utilizacin, Internacional potasa Instituto, Suiza. PEARSON, T. 1996. Sistema de visin artificial para la deteccin automtica de manchas pistachos. Lebens.-Wiss. u.-Tec. (J. Alimentacin Ciencia. YTechnol.) 3,

COLOR VISION SISTEMA

235

RAJANAIDU, N., TAN, Y.P. y RAO, V. 1984. La recoleccin y estimacin de aceite en un montn. En Actas de la 1984 Simposio sobre el impacto de la Polinizacin Gorgojo en la industria de aceite de palma de Malasia, pp 177-186, Kuala Lumpur ,Malasia. Siregar, I.M. 1976. Evaluacin de madurez y control de calidad de los cultivos. En Actas de la 1976 Malasia Internacional de Palm Oil Agrcola Conferencia, pp 740-754, Kuala Lumpur, Malasia. SOUTHWORTH, A. 1976a. La recoleccin. En Aceite Investigaciones en Palma, (R.H.V. Corley, JJ Hardon y B. J. Wood, eds.) pp 469-477, Elsevier, msterdam. SOUTHWORTH, A. 1976b. Cosecha -unenfoque prctico para la optimizacin de la cantidad y calidad del aceite. En Actas de la 1976 Malasia Conferencia Internacional de Aceite de Palma de Agricultura, pp 755768, Kuala Lumpur, Malasia. MADERA, BJ, Ismail, S. , GUAN, L.S. y Chyng, C.S. 1984. La informe preliminar sobre un estudio a largo plazo de los efectos de la cosecha de aceite de palma estrategia de recuperacin del producto, incluyendo una comparacin antes y despus polinizacin picudo. En Actas de la 1984 Simposio sobre el impacto de la Polinizacin Gorgojo en la industria de aceite de palma de Malasia, pp 261-283, Kuala Lumpur, Malasia. WRIGHT, W.D. 1964. La medicin del color. Hilger YWatts, Londres. WYSZECKI, G. y Stiles, W.S. 1967. Color Science. Wiley, Nueva York.