Elaboracin de base de datos de

fotografas de granos de caf seco con

diferentes defectos fsicos, caracterizados
con mtodos estndar de PDI y
clasificacin.

PROPONENT
ES
JUAN CAMILO BORRERO
BECERRA
CAMILO ANTHOLYN DIAZ
MOLANO

Pgina

UNIVERSIDAD DISTRITAL FRANCISCO

JOSE DE CALDAS FACULTAD DE
INGENIERIA
PROYECTO CURRICULAR DE INGENIERIA
ELECTRNICA

COLOMBIA,
BOGOT
2015

Elaboracin de base de datos de

fotografas de granos de caf seco con
diferentes defectos fsicos, caracterizado
con mtodos estndar de PDI y
clasificacin.

PROPONENT
ES
JUAN CAMILO BORRERO BECERRA
20091005018

COD.

CAMILO ANTHOLYN DIAZ MOLANO

20091005030

COD.

ANTEPROYECTO

DIRECTO
R

ING. GERARDO ALCIDES MUOZ

QUIONES

Pgina

UNIVERSIDAD DISTRITAL FRANCISCO

JOSE DE CALDAS FACULTAD DE
INGENIERIA
PROYECTO CURRICULAR DE INGENIERIA
ELECTRNICA COLOMBIA, BOGOT
2015

Tabla de contenido
1.

Introduccin......................................................................................................................................................4

2.

Planteamiento del problema..............................................................................................................................4

3.

Objetivo General...............................................................................................................................................5

4.

Objetivos Especficos........................................................................................................................................5

5.

Justificacin......................................................................................................................................................6

6.

Estado del Arte..................................................................................................................................................7

7.

Marco Terico...................................................................................................................................................8

8.1. Caf en Colombia..............................................................................................................................................8

8.1.1. Generalidades..............................................................................................................................................8
8.1.2. Proceso de produccin del caf seco........................................................................................................10
8.1.3. Economa y comercializacin del caf......................................................................................................11
8.1.4. La calidad del caf....................................................................................................................................12
8.2 Clasificacin de productos............................................................................................................................13
8.3. Etapas principales de un sistema de procesamiento digital de imgenes....................................................13
8.3.1. Adquisicin y adecuacin de las imgenes...............................................................................................13
8.3.2. Caracterizacin.........................................................................................................................................14
8.4. Principales Defectos del Grano....................................................................................................................15
Granos negros:................................................................................................................................................15
Granos sobre fermentados:.............................................................................................................................15
Granos partidos:..............................................................................................................................................15
Pgina

Granos verdes:................................................................................................................................................15
8.4.1. Imgenes Estndar De Granos Defectuosos.............................................................................................16
8.

Alcance y limitaciones....................................................................................................................................17
8.1.

Alcance..................................................................................................................................................18

8.2.

Limitaciones..........................................................................................................................................18

9.

Metodologa....................................................................................................................................................18

10.

Recursos.....................................................................................................................................................19

10.1.

Recursos Humanos................................................................................................................................19

10.2.

Recursos Fsicos....................................................................................................................................20

10.3.

Recursos Financieros.............................................................................................................................20

11.

Cronograma de Actividades.......................................................................................................................20

12.

Bibliografa................................................................................................................................................22

1.

Introduccin

Hoy en da Colombia es uno de los mayores productores de caf del mundo,

debido a la alta calidad y exquisito sabor de este grano que se cultiva en gran
parte del pas, pocos conocen el proceso que es llevado a cabo por los
caficultores, las empresas comercializadoras y las trilladoras de este producto
para que sea de gran calidad. El caf colombiano es de los mejores del mundo no
solo por los beneficios ambientales que nos regala nuestro pas, si no tambin,
porque este sufre un proceso de clasificacin para que solo sean exportados y/o
trillados los granos que se encuentren en excelentes condiciones fsicas, ya que
sus defectos se ven reflejados tanto en el sabor como en el aroma de esta
valorada bebida colombiana. Este proceso de clasificacin en la actualidad se
hace manualmente, es decir, tanto trilladoras como comercializadoras
seleccionan a ojo los granos de caf buenos de los granos malos, siendo este
proceso arduo y repetitivo teniendo en cuenta que Colombia produjo en el ltimo
ao 11,7 millones de sacos de 60kg [1], adems de ser una clasificacin muy
bsica ya que solo se separan los granos buenos de los malos y no se hace un
estudio de sus defectos para mejorar los cultivos y la maquinaria cafetera.
La implementacin de un sistema basado en el procesamiento digital de
imgenes (PDI) es una alternativa conveniente ya que permitir la extraccin de
caractersticas de forma color y textura del grano, que son los parmetros
principales con los cuales un experto hace la clasificacin manual, siendo de gran
ayuda para un trabajo de cooperacin junto con el operario, con el fin de
aumentar la eficiencia y disminuir el error en la clasificacin.
Este proyecto pretende generar una base de datos de fotografas con los
principales defectos de los granos de caf seco, en un ambiente controlado, que
permita elaborar un sistema PDI para posteriormente identificar el defecto o los
Pgina

defectos de cada grano, para que con ayuda del operario pueda agilizarse este
proceso.

2. Planteamiento del problema

La clasificacin de granos de caf seco es una tarea esencial para la
elaboracin de cafs Premium como los que caracterizan a nuestro pas,
adems de esto tambin depende el precio al que se vende, ya que solo son
exportados y trillados los granos en excelentes condiciones fsicas para la
fabricacin de estos cafs.

Actualmente este proceso de clasificacin se realiza manualmente, por un

operario calificado, siendo el cuello de botella de todo el proceso del caf, ya
que en Colombia las cosechas se dan en una o dos pocas del ao, segn la
regin, con duracin de pocas semanas, por lo que los 11.7 millones de sacos
de caf producidos al ao se venden en estas semanas, generando gran
congestin, en las comercializadoras y en las trilladoras, donde las filas para
vender la cosecha le puede costar un da entero de trabajo a un caficultor. Por
lo tanto este el proyecto pretende generar, las bases necesarias para que en un
futuro se pueda desarrollar un sistema capaz de colaborar con este proceso,
para agilizarlo y minimizar el error generando una base de datos de fotografas
de los problemas fsicos de granos de caf, clasificados por un experto y
caracterizados mediante una serie de algoritmos de procesamiento digital de
imgenes, que permitan extraer las caractersticas necesarias para hacer una
clasificacin de las fotografas de los granos, en los 4 defectos ms comunes
presentes en Colombia. Esto nos brinda una base terica y una base de datos
de imgenes caractersticas de los principales defectos fsicos de los granos en
nuestro pas; siendo esto de gran utilidad para posteriores estudios en el rea
de agricultura cafetera de gran relevancia en Colombia.
Se han hecho varios trabajos en el rea, pero todos haciendo uso de solo una de
las caractersticas que nos pueden dar las imgenes de los granos, es decir, por
la forma, por el color o por la textura, en donde se utilizaron mtodos estndar
y de clasificacin estadstica adems no se estudia a profundidad los conceptos
en el anlisis de las caractersticas fsica de los granos, por lo que no se evala
cuales variables son las ms representativas, lo que incrementa las
posibilidades de error y solo se aplican herramientas ya establecidas.

3. Objetivo General

Pgina

Elaborar una de base de datos de fotografas de granos de caf seco, con

granos tanto defectuosos como grano en excelentes condiciones fsicas,
tpicos de nuestro pas, para caracterizarlos con mtodos estndar de
procesamiento digital de imgenes y posteriormente realizar una
clasificacin.

4. Objetivos Especficos

Disear un contenedor capaz de proveer un ambiente controlado tanto

en iluminacin como de un fondo homogneo para la toma de fotografas de
granos de caf
en buenas condiciones fsicas y tambin con los 4
principales defectos reconocidos por la federacin nacional de cafeteros de
Colombia (tipo1, tipo2 tipo3 tipo4).

Clasificar las fotografas de los granos de caf seco en cada defecto

fsico por parte de un experto en el tema.
Realizar un pre procesamiento de las imgenes que permita segmentarlas
para eliminar la informacin irrelevante del fondo en la caracterizacin de las
mismas.

Hacer un estudio del estado del arte de las mejores caractersticas de las
imgenes que permitan la realizacin de un clasificador.

Implementar algoritmos que nos permitan extraer las caractersticas

previamente seleccionadas.

Hacer un estudio para elegir el mejor modelo de clasificacin en base a

las caractersticas extradas de las imgenes.

Evaluar el sistema utilizando el modelo de validacin cruzada.

5. Justificacin
En el mercado actual no existe un dispositivo electrnico capaz de hacer la
clasificacin de los granos de caf seco, esta clasificacin normalmente es
echa por una o varias personas capacitadas en la diferenciacin de los granos,
Pgina

adems slo se hace una clasificacin simple, es decir, solo se separan los
granos buenos de los granos malos, y tampoco se realiza un estudio de los
defectos de la cosecha que se est clasificando, asimismo es un proceso lento y
repetitivo para el personal. Por lo anterior se pens que se podra elaborar una
base de datos, con las fotografas de los principales defectos fsicos de los
granos de caf en Colombia, la cual no existe pblicamente y es de gran
importancia para un pas como Colombia, el cual basa su economa en la
agricultura cafetera, adems desarrollar un sistema completo que permitiera
realizar la clasificacin de los granos, a partir de sus caractersticas extradas
mediante por procesamiento digital de imgenes. Este proyecto pretende hacer
uso de las tres principales caracterstica que se pueden identificar en las
imgenes, como lo son, la forma, el color y la textura, ya que esto nos permitir
hacer una clasificacin ms profunda de los granos con la que se espera
identificar el tipo de defecto que estos posean. En la implementacin de los
algoritmos se debe tener en cuenta la optimizacin de los mismos ya que en un
futro trabajo es posible la implementacin de estos sobre un DSP o un microcontrolador de gran potencia que sea capaz de ejecutarlos en tiempo real y
hacer la clasificacin muy rpidamente.

6. Estado del Arte

Los sistemas de procesamiento digital de imgenes se han convertido en una
solucin sencilla y eficaz para los problemas cotidianos de control presentes en la
agricultura. Los excelentes resultados obtenidos han incrementado el inters por
el desarrollo de proyectos aplicados a diferentes procesos agrcolas,
especialmente en las etapas de cosecha de cultivos y en el control de calidad.
Ejemplos de estas aplicaciones son: la recoleccin de tomates [25], manzanas
[26], naranjas [27], tomates-cereza [28]; as como la clasificacin de papas [17],
olivas [18], brcoli [19], nueces de pistacho [16] y manzanas [15]. Sin embargo,
todava se presentan problemas especialmente en la adquisicin de imgenes
donde los ambientes no son controlados, y en los dispositivos actuadores.
Hasta ahora en el la industria cafetera no se ha implementado ningn sistema de
procesamiento digital de imgenes para la clasificacin de los granos en ninguno
de sus defectos, pero si se ha investigado y elaborado algunos trabajos sobre
esto, el ms significativo [29] es un proyecto que se centra en la evaluacin de
las caractersticas fsicas de los granos de caf a travs de un modelo de
clasificacin automtica de defectos. El modelo utiliza un paso de segmentacin
que discrimina el fondo de la imagen del grano de caf con un algoritmo de
seguimiento contornos, y con ayuda de, un CGLCM para extraer las
caractersticas de textura del grano y una mquina de vectores de soporte para
la tarea de clasificacin, se logra clasificar con una precisin de 86%. Tambin se
ha trabajado con procesos ms sencillos pero menos discriminativos nicamente
con la utilizacin del color, en este trabajo[30] se utiliza la tcnica de
umbralizacin multinivel, en busca de dar solucin a la baja y mediana
produccin de las fincas cafeteras, debido a que estas fincas no cuentan con un
medio ms adecuado en costo y produccin para la seleccin del caf en la
Pgina

presentacin excelso de una manera automtica y se ven en la necesidad de

seleccionar este producto de manera manual.
Otro de los mecanismos utilizados en trabajos anteriores, es la comparacin de
imgenes o imagen matching, siendo este mtodo mucho menos discriminativo
que los dems, ya que solo es capaz de decir si un grano es aceptado o
rechazado[31], esto proceso consiste en la seleccin de granos de caf mediante
una imagen patrn, ya que debido a las caractersticas del caf se puede llegar a
determinar si un grano es aceptado o rechazado solo con el color, tambin
existen otras caractersticas importantes, sin embargo para efectos prcticos en
este trabajo se hizo referencia en especial a esta caracterstica. Por consiguiente
se trabaj con una de las tcnicas ms conocidas y utilizadas desde hace mucho
tiempo, el histograma, por otro lado cabe resaltar que para la realizacin de las
pruebas se tomaran imgenes realizadas por el autor.
Por ltimo, se ha trabajado la clasificacin del grano de caf por etapas de
maduracin, este proceso es ms sencillo ya que tcnicamente solo se debe
tener en cuenta las caractersticas de color [32] y con la ayuda del mtodo de
clasificacin bayesiana, se pueden identificar los granos de caf en tres grados
de maduracin, donde se seleccionaron como caractersticas, los valores RGB y
HIV. En el problema de procesamiento de imgenes, se separan en K clases con
una probabilidad mnima de error de clasificacin, todos los parmetros en cada
clase son conocidos. El conjunto de parmetros en cada imagen se toman como
los patrones de entrada para establecer una regla de Bayes emprica que separa
las K clases y conduce a un procedimiento de aproximacin estocstica para la
estimacin de los conjuntos desconocidos.

7. Marco Terico
El proyecto se encuentra fundamentado y construido por varios campos
principales a los que se debe realizar una contextualizacin terica, enmarcada
en el procesamiento digital de imgenes y la agricultura. Estas reas se
exponen a continuacin.

8.1. Caf en Colombia

8.1.1. Generalidades
El cafeto o planta productora de caf es un arbusto que se da en regin tropical
de la tierra. Pertenece a la familia de las rubiceas, genero Coffea, y la especie
es la denominada Arbica L [2]. El caf arbica L tiene numerosas variedades, de
ellas las que se cultivan en Colombia con mayor intensidad son la variedad tpica,
Pgina

Borbn, caturra, Maragigipe y la variedad Colombia. La variedad Colombia se

obtuvo en el Centro Nacional de investigaciones del caf (Cenicaf), con base en
el caf caturra y el hbrido del timor, esta variedad es resistente a la roya [15].
El fruto del cafeto es una baya drupcea, conformado por: una cubierta exterior
llamada pulpa, una sustancia gelatinosa azucarada que recibe el nombre de
muclago, una cubierta dura que se denomina pergamino o cscara, una cubierta
ms delgada y fina llamada pelcula y finalmente, una almendra que es la parte
del fruto que una vez tostada y molida se utiliza para la produccin del caf en
bebida. La pulpa est formada por el exocarpio (epidermis), que es la capa
externa del fruto y cuyo color vara desde verde o amarillo hasta rojo o rojo
intenso y algunas veces hasta violeta o negro. El color depende de la variedad de
caf y del grado de madurez del fruto [15].

Figura 1. Planta de caf, en cosecha.

Crecimiento y desarrollo del fruto de caf

La fase reproductiva del caf inicia con la aparicin de las primeras flores. Se
considera como la primera floracin, el momento en que por lo menos el 50 % de
las plantas han florecido. Esta fase contina con el desarrollo del fruto y culmina
con la maduracin y cosecha [3]. Desde la floracin hasta la maduracin
transcurren aproximadamente entre 220 y 240 das. El fruto pasa por varias
etapas de crecimiento, y su desarrollo en el tiempo describe una curva sigmoidal
doble. La maduracin de los frutos no es uniforme debido a las diversas
floraciones, y depende de las condiciones climticas particulares. El desarrollo
del fruto se puede describir en tres etapas [4].
Pgina

Figura 2. Curva sigmoidal doble del crecimiento del fruto de caf.

Primera etapa: Desde la floracin hasta la semana 8 (60 das). Se caracteriza

por un crecimiento lento, los frutos presentan un color verde y su forma se
parece a la cabeza de un fsforo, presentan consistencia gelatinosa y no hay
formacin de la semilla.
Segunda etapa: Desde la semana 9 hasta la 26 (desde los 75 das hasta los 195
das). Esta etapa se caracteriza por un crecimiento acelerado de los frutos tanto
en dimensiones como en peso fresco. El color sigue siendo verde.
Tercera etapa: Desde la semana 27 hasta la 32 (desde los 135 das hasta los
240 das). Durante esta fase el fruto cambia de color verde a rojo amarillo y
adquiere madurez fisiolgica hasta quedar listo para la cosecha.

8.1.2. Proceso de produccin del caf seco

A continuacin se describir cada una de las etapas de produccin del caf seco.

Cultivo
Esta etapa comprende todas las actividades relacionadas con la siembra,
fructificacin y recoleccin del fruto de caf. Dadas las caractersticas de
fructificacin de los cafetos colombianos, donde en una misma rama es posible
encontrar granos maduros, pintones, verdes y hasta flores, se ha adoptado un
sistema de recoleccin que consiste revisar varias veces el rbol para coger
solamente los frutos plenamente maduros. Este sistema de recoleccin selectiva
tiene ventajas tales como la uniformidad y buena calidad del producto, sin
embargo, incrementa la necesidad de mano de obra, por lo que la recoleccin
representa entre el 30% y el 40% de los costos totales de produccin [5]. La
recoleccin del caf en Colombia se hace manualmente ya que la topologa de la
zona no facilita la mecanizacin. En reas planas de Australia, Brasil y Hawaii, se
han implementado recolectores mecanizados. Por ejemplo, vibradores de follaje y
batidores mecnicos [6]. El primer sistema aplica vibraciones hacia abajo y
Pgina

10

adelante sobre las ramas laterales y los frutos, por medio de dedos mecnicos,
de tal forma que se desprendan los frutos maduros. Y los batidores mecnicos
consisten en la aplicacin de temblor en el tallo para provocar el
desprendimiento del fruto maduro. Utilizando estos mtodos la calidad de la
cosecha disminuye debido al alto porcentaje de frutos inmaduros que se
desprenden [7].

Figura 3. Ramas de caf en pocas de cosecha [35].

Beneficio
El beneficio del caf es un conjunto de operaciones realizadas para transformar
el caf en cereza, es decir, el grano recin cosechado aun con la cascara, en caf
seco. Existen dos formas de realizar este proceso, por va hmeda o por va seca.
En Colombia se hace beneficio del caf por va hmeda, y comprende cuatro
etapas que son: la descerezada, la fermentacin, el lavado y el secado.
Descerezar o despulpar es quitarle a los granos la cereza o pulpa de color rojo
que los cubre. La fermentacin, consiste en dejar vinagrar los granos
descerezados durante varias horas. El lavado del caf, es el nico proceso en el
que se requiere indispensablemente el agua, que se usa para remover los
residuos de muclago que quedan en contacto con el caf pergamino despus de
la fermentacin. Y el secado, que puede hacerse al sol o por sistemas mecnicos.

La trilla
La trilla consiste en quitarle al caf pergamino seco el pergamino, es decir la
cobertura gruesa, de color amarillo oro que protege la almendra (caf verde). El
resultado de la trilla es caf verde que es la forma como se exporta el caf
colombiano.

Pgina

11

8.1.3. Economa y comercializacin del caf

Brasil, Colombia y Viet Nam cubren el 50% del mercado mundial cafetero de un
total de 52 pases productores y exportadores de caf [8]. El volumen de
produccin anual de caf en el mundo flucta entre 100 y 110 millones de sacos
de 60 kilos (aproximadamente 6 millones de toneladas de caf). Colombia
produce entre 12 y 15 millones de sacos [2], este aporte lo ubica como el
segundo productor mundial del grano despus de Brasil y el primer pas
productor de cafs suaves [10]. La variedad producida por Colombia tiene
identidad propia y se denomina "suaves colombianos". Cuatro tipos de cafs se
comercializan internacionalmente. Estos son: los suaves colombianos, otros
suaves, robustas y Brasileros, y otros arbicos.
Colombia exporta principalmente a Estados Unidos, Europa y Japn. El consumo
en Estados Unidos y Europa Occidental ha mostrado cierto grado se saturacin,
mientras que el mercado en Japn y los pases de Europa Oriental se comporta
de una manera ms dinmica. En los ltimos aos, la comercializacin
internacional del caf ha significado para la economa nacional cerca del 30% del
ingreso total de divisas por concepto de las exportaciones provenientes del
sector agrcola (divisas por valores hasta de 1500 millones de dlares) [2]. Las
actividades relacionadas con la produccin de caf generan empleos directos e
indirectos al 35% de la poblacin econmicamente activa del pas (ms de tres
millones de personas) [9].
El rea sembrada, que asciende a 1137.000 hectreas, representa el 29% del
rea cultivada nacional. La caficultura colombiana, a partir de 1970 registra tasas
anuales de incremento de la produccin del orden de 5 al 6 %, a pesar de
mantener un rea de cultivo constante. Este comportamiento es el resultado de
la tecnificacin de la caficultura; el 57% de las fincas se encuentran tecnificadas
[10]. La actual situacin mundial cafetera soporta una peligrosa sobreproduccin
que se refleja en la inestabilidad de los precios y una ardua competencia entre
los pases productores. Sin embargo, los precios de venta del caf colombiano
siempre han estado en niveles superiores a los de los otros pases exportadores
debido a su apreciada calidad.

8.1.4. La calidad del caf

La calidad del caf se evala con base en sus caractersticas fsicas y sensoriales
como la apariencia, el color y el olor del caf en pergamino, almendra y tostado;
as como por medio de sus caractersticas organolpticas tales como el aroma, la
acidez, el amargor, el cuerpo y el sabor de la bebida. La calidad est
determinada genticamente pero es influenciada por diferentes factores tales
como las condiciones de cultivo, el clima, el suelo, los cuidados fitosanitarios, las
Pgina

12

prcticas agronmicas (principalmente la cosecha y el beneficio), y tambin la

preparacin de la bebida [11]. El caf colombiano tiene una calidad reconocida
mundialmente y ha sido apreciada por los pases consumidores como una de las
mejores dentro de los cafs arbicos. La alta calidad del caf colombiano se debe
a las variedades que se cultivan, al manejo de las plantaciones, a la oferta
ambiental y principalmente a la recoleccin que a diferencia de muchos pases se
hace de forma manual y selectiva.
Los frutos sobremaduros y verdes causan el defecto de fermento, ya sea con
sabores agrios, a frutas, a cebolla, rancios o nauseabundos. La presencia de ms
del 2.5% de granos verdes producen deterioro de la calidad. Estos frutos
representan un problema ya que no se despulpan, se fermentan y se convierten
en granos negros. Se ha concluido en varias investigaciones que la mejor calidad
se consigue procesando slo frutos maduros [11]. Tambin se demostr que se
obtienen diferentes aromas y sabores segn el estado de madurez del caf que
se procese [13]. Por ejemplo, el caf maduro produce sabores dulces, suaves a
caramelo y mayor acidez.
Los consumidores tienen diferentes preferencias respecto a las caractersticas del
caf. Por ejemplo, a los franceses e italianos les gustan las bebidas con alto
amargor y cuerpo, mientras que los alemanes disfrutan caf con altas
calificaciones de acidez y aroma, y moderado cuerpo [13]. Durante 1989 se not
el crecimiento en el consumo de los cafs especializados o de alta calidad. Las
tiendas de caf coffee shops dedicadas a vender cafs de una refinada
seleccin y calidad se han multiplicado en casi todos los pases industrializados
de Europa, en los Estados Unidos, en Japn y en Korea. Por estas preparaciones
se cobra casi un 50% ms del valor de un caf comn. Colombia tiene excelentes
posibilidades de conquistar estos mercados produciendo calidades especiales
para el gusto de los consumidores refinados que estn dispuestos a pagar hasta
el doble del precio de un caf normal. Adems se aprecia en estos pases una
preferencia por los cafs que garanticen la menor exposicin a contaminantes de
origen qumico como fertilizantes o pesticidas [14].

8.2 Clasificacin de productos

La clasificacin manual es una tarea poco eficiente y de gran cuidado adems
sus costos pueden ser altos, ya que se requiere un gran nmero de trabajadores
para separar los productos que cumplen determinadas caractersticas. En la
clasificacin electro-ptica el nmero de categoras para la clasificacin es
reducido. Por ejemplo, un dispositivo electro-ptico utilizado para clasificar
nueces de pistacho slo puede clasificar en dos categoras: aceptado
rechazado; en muchos procesos se necesita que el producto se pueda separar en
ms de dos clases [16].
Pgina

13

La clasificacin que emplea tcnicas de procesamiento digital de imgenes se

hace con base en el anlisis de una imagen digital del producto. De cada imagen
se pueden extraer propiedades del producto tales como: la forma, el tamao, el
color, etc.. La clasificacin de productos por medio de procesamiento digital de
imgenes comprende los siguientes pasos principales: adquisicin de las
imgenes, segmentacin de los objetos presentes en la imagen, extraccin de las
caractersticas de los objetos, interpretacin de stas y la asignacin a una
categora.
Sistemas de clasificacin usando procesamiento digital de imgenes han sido
implementados con xito en los procesos productivos de papas [17], olivas [18],
brcoli [19], nueces de pistacho [20] y manzanas [21].

8.3. Etapas principales de un sistema de procesamiento digital de

imgenes
8.3.1. Adquisicin y adecuacin de las imgenes
La adquisicin de una imagen digital es el primer paso cuando se utiliza un
sistema de procesamiento digital de imgenes. Esto se hace por medio de un
sensor y si es el caso, un sistema digitalizador.
El sensor puede ser una cmara fotogrfica o de video. Si la seal producida por
la cmara es anloga entonces se utiliza un convertidor anlogo digital para
digitalizarla y guardarla en el computador. El sistema de adquisicin comprende
adems de la cmara un equipo de iluminacin y un fondo. Para obtener una
buena imagen, es necesario poseer una iluminacin adecuada la cual depende
de la tarea que se desea realizar. Una iluminacin inapropiada conlleva a la
alteracin de las caractersticas del objeto en la imagen. Al controlar el fondo se
procurando realzar el objeto de inters aislndolo de los otros objetos presentes
en el entorno.
Despus de obtener la imagen digital, se inicia el preprocesamiento de la
imagen. El objetivo del preprocesamiento es mejorar la imagen, principalmente
filtrando el ruido y aumentando el contraste. A continuacin sigue la etapa de
segmentacin, la cual consiste en la separacin de los objetos presentes en la
imagen. La salida del proceso de segmentacin son los datos de ubicacin de los
pxeles ya sea del contorno de un objeto o de toda una regin.

8.3.2. Caracterizacin

Pgina

14

Las imgenes no segmentadas contienen mucha informacin redundante. Estos

datos elevan la carga computacional y no son tiles para el proceso de anlisis.
Por esta razn se extrae la informacin pertinente, a estos rasgos extrados se les
llaman caractersticas y un vector de tales caractersticas se conoce como
modelo o patrn [22]. Las caractersticas son usadas como entradas a los
algoritmos para la clasificacin de los objetos dentro de diferentes categoras.
Segn Pavlidis las caractersticas de un objeto en una imagen pueden ser
externas o internas [23]. Las caractersticas externas de la imagen describen la
informacin del contorno de los objetos. Las caractersticas extradas de las
propiedades de los pxeles dentro del contorno son llamadas caractersticas
internas de la imagen.
Por medio de las caractersticas externas se obtiene informacin de la forma y el
tamao del objeto. Con base en el contorno se pueden hallar caractersticas
morfolgicas que definen las dimensiones fsicas del objeto as como su
apariencia [24]. Algunas de las caractersticas morfolgicas ms utilizadas son: el
rea proyectada, el permetro, la longitud de los ejes, el volumen, el dimetro y
la redondez. Los descriptores de Fourier dan informacin espectral del objeto, al
tomar su contorno cerrado como una funcin peridica con periodo 2. Una
funcin peridica con un dominio de [0, 2], en condiciones generales se puede
representar por una expansin en series de Fourier. Los descriptores de Fourier
son la frecuencia y amplitud de los armnicos. Otra forma para describir el
contorno de un objeto es por medio del cdigo de cadena. Esta codificacin
consiste en asignar a un contorno especfico una cadena de smbolos que
determinan unvocamente el correspondiente contorno. Existen otros mtodos
para obtener los rasgos discriminantes del contorno tales como: los momentos
de una funcin bidimensional acotada y cerrada en el espacio, la transformada
onditas, la transformada de Fourier del cdigo de cadena, etc..
Por medio de las caractersticas internas se obtiene informacin del color y la
textura del objeto. Para caracterizar el color de un objeto se analizan las
componentes de los diferentes modelos de color en cada pxel del objeto. Un
modelo de color es la definicin de un sistema tridimensional de coordenadas
donde cada color queda representado por nico punto. Los modelos ms
utilizados en en anlisis de imgenes son el RGB (Red Green Blue) y el HSI (Hue
Saturation Intensity). En el modelo RGB, cada color se divide en sus
componentes espectrales primarios rojo, verde y azul. Mientras que en modelo
HSI, la componente que cuantifica la intensidad est desacoplada de la
informacin cromtica, es decir, del tono (describe un color puro) y la saturacin
(cantidad de luz blanca que modifica el color).

Pgina

15

Las caractersticas que definen el color son diferentes variables estadsticas,

tales como la media y la varianza, de cada uno de los componentes de los
modelos de color. Para caracterizar la textura, que es la distribucin espacial del
color en el objeto, se usan variables estadsticas y estructurales tales como:
funciones de autocorrelacin, modelos autoregresivos, transformadas pticas,
elementos estructurales, probabilidad de coocurrencia espacial de los niveles de
color, suma y diferencia de los histogramas, entre otros [15].

8.4. Principales Defectos del Grano

Los granos defectuosos pueden tener su origen tanto en la plantacin, como en
el proceso de beneficiado hmedo. Es muy importante conocer estos granos,
debido a que en la comercializacin del caf, comprador y vendedor deben
acordar mediante un contrato, la cantidad de granos defectuosos presentes en la
muestra de acuerdo con la preparacin establecida.
Cuando se habla de preparacin se refiere al modo o forma de seleccionar y
clasificar un caf, tomando en cuenta el aspecto fsico del grano, forma, tamao,
coloracin y la cantidad de imperfecciones presentes en la muestra, y por
supuesto las caractersticas organolpticas de la bebida tales como la fragancia,
el aroma, el cuerpo, la acidez y el sabor. Es importante mencionar que,
dependiendo del grano defectuoso y la cantidad de stos en la muestra, as ser
su influencia en provocar una taza o bebida defectuosa [34].
Los granos comnmente considerados como defectos son:

Granos negros:
Provienen ya sea de frutos no desarrollados por el ataque de enfermedades
fungosas, o por deficiencias nutricionales, pueden separarse en la clasificacin.

Granos sobre fermentados:

De coloracin plida y apariencia cerosa, con la hendidura marcadamente libre
de tegumentos y el germen reventado si el dao es total. Generalmente
provienen de granos rezagados en el equipo y pilas de fermentacin.

Granos partidos:
Muestran una abertura longitudinal por efecto de la trilla. Los granos con ms
del 12% de humedad tienden a aplastarse, abrindose por los extremos.

Pgina

16

Granos verdes:
Granos decolorados, caracterizados por poseer la tpica forma de media luna,
con la cara plana hundida y de tamao ligeramente inferior al normal,
generalmente con la pelcula plateada firmemente adherida.

Granos blanqueados o descoloridos:

Presentan una decoloracin uniforme o bien, parches blancos irregularmente
distribuidos. Ocurre en un caf mal almacenado o en partidas con ms del 12%
de humedad.

Granos encerados:
Coloracin y apariencia cerosa, resultado de una deficiencia de hierro.

Granos manchados:
Muestran manchas o parches de diferentes coloraciones sin alterar la textura de
la porcin manchada.

Granos con pelcula rojiza:

Tamao, peso y forma normal. Se originan por cosechar el fruto muy maduro, o
por retardar el despulpado. La caracterstica es que la pelcula plateada presente
en un grano normal, se torna de un color rojizo.

Granos brocados:
Presentan una o ms perforaciones en distintos sentidos provocados por la broca
del caf.

8.4.1. Imgenes Estndar De Granos Defectuosos

El siguiente poster muestra las imgenes de los principales defectos que
presenta el caf, el trabajo humano se reduce a encontrar cada uno de estos
defectos y clasificarlos utilizando nicamente sus sentidos.

Pgina

17

Figura 4. Poster de efectos fsicos del caf [34].

8. Alcance y limitaciones

Pgina

18

8.1. Alcance
El trabajo consiste en la elaboracin de una base de datos de imgenes de
granos de caf clasificados en granos buenos y en cada uno de los 4 defectos
ms comunes, estas imgenes sern tomadas con fondo e iluminacin
controlados por grano de caf; a cada imagen se le medirn, ciertos
parmetros relacionados con su color, su forma y su textura con el fin de que la
base de datos de imgenes sea una herramienta que facilite el diseo de
sistemas de clasificacin de los granos de caf.
Haciendo uso de algunos de los parmetros aportados por la base de datos de
imgenes se construir un clasificador que permita diferenciar cada uno de los
4 defectos ms comunes de los granos de caf y los granos en buen estado.

8.2.

Limitaciones

Las limitaciones para este proyecto son la obtencin de los granos de caf de
los 14 defectos reconocidos por la federacin nacional de cafeteros de
Colombia, ya que algunos de ellos son rara vez vistos debido a que son
causados por errores en el tratamiento del grano con tcnicas antiguas; otra
limitacin en el proyecto est en el gran parecido que presentan algunos
granos de caf con defectos distintos, los cuales son difciles de diferenciar
incluso para los expertos por lo que no es posible comprometerse a desarrollar
un sistema que sea capaz de clasificarlos.
Dado que la gran mayora de los defectos de los granos de caf presentan
muchas similitudes (segn los expertos), no es posible garantizar la exactitud
del clasificador.

9. Metodologa
En lo que concierne al desarrollo de este proyecto de grado, en una fase
previa se hace el planteamiento del objetivo general y los especficos que
servirn como fundamento para el planteamiento del problema y gua en la
investigacin de antecedentes y bibliografa. En este proyecto lo primero a
tener en cuenta son los antecedentes
y tecnologas usadas en el
procesamiento digital de imgenes.

Pgina

19

En la primera etapa se recolectara una gran cantidad de granos de caf sin

cascara, para que con ayuda de un experto que los clasifique se puedan
obtener al menos 20 granos por cada defecto que vamos a clasificar.

La segunda etapa consistir en el acondicionamiento de un espacio que

permita que las fotos a tomar posean el mismo fondo y las mismas
condiciones de iluminacin. Para este fin se har uso de una cmara e
iluminacin profesional.

Como tercera etapa se tiene el proceso de la toma de las fotografas a cada

grano previamente clasificado por el experto, las fotos sern tomadas a
igual distancia del grano y centradas en un fondo blanco.

La cuarta etapa consistir en hacer un estudio y eleccin de los posibles

parmetros que en el procesamiento digital de imgenes sean tiles para
clasificar los granos de caf, dado que los antecedentes sobre este proyecto
son escasos es posible que sea necesario proponer algunos.

Como quinta etapa se implementar un algoritmo en un software que

permita segmentar los granos de caf para que de esta forma se reduzca el
tamao de las fotos con el fin de agilizar el proceso de la medicin de los
parmetros de cada foto.

La sexta etapa consistir en la implementacin de los algoritmos necesarios

para realizar la medicin de los parmetros establecidos anteriormente.

Para la sptima etapa se construir la base de datos de las imgenes de

granos de caf en la cual cada imagen tendr como informacin adicional el
valor de cada parmetro y dichas imgenes estarn clasificadas segn el
defecto que posea el grano.

La octava etapa consistir en la implementacin de algoritmos que permitan

clasificar algunos de los defectos (los ms comunes) de los granos de caf
haciendo uso de la base de datos de imgenes construida.

Para la ltima etapa se realizara la validacin del clasificador utilizando el

modelo de validacin cruzada, donde se usara el 80% de las fotografas para
entrenamiento y el 20% restantes para validacin.

10.

Recursos

El desarrollo de este trabajo de grado implica fundamentalmente la

dedicacin de dos estudiantes de ingeniera electrnica, quienes son los
proponentes de este proyecto de grado.
Pgina

20

10.1. Recursos Humanos

Estudiante - Camilo Antholin Diaz Molano

Estudiante - Juan Camilo Borrero Becerra
Director. Gerardo Alcides Muoz Quiones

10.2. Recursos Fsicos

Computador Porttil
Artculos y posters de caf.
Libros de visin artificial y procesamiento digital de imgenes.
Cmara Digital de alta resolucin.

10.3. Recursos Financieros

|Recursos Fsicos (asumidos por los autores)
Elemento

Total Horas

1000

Valor de cada hora

Tot

(estimativo)

al

-------------------------------

$2000.000

Computadores
Internet

Libr
os

5
0

Gratuito (Biblioteca
pblica,

$ 200.000

Universi
dad)
Software de

simulaci
n y
desarro
llo

1
0
0

Li
br
e

Pgina

21

Total

$
2200.000

Recursos

Fsi
cos

11.

Cronograma de Actividades
ACTIVID
ADES

MESES
Mes 1

Mes 2

Mes 3

Mes 4

Mes 5

Mes 6

1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4

1 2 3 4

Revisin bibliogrfica y
recopilacin de informacin.
Recoleccin de granos de caf
y transporte
Clasificacin de los granos del
caf por el experto
Obtencin de los elementos
necesarios para realizar la
toma de las fotografas
Montaje de equipos de
fotografa y toma de estas.
Estudio y eleccin de los
parmetros a medir en las
imgenes.
Implementar algoritmo para la
segmentacin de las imgenes.
Implementar algoritmo que
permita la medicin de los
parmetros de las imgenes.
Medicin de los parmetros de
cada imagen
Organizacin de las imgenes
de la base de datos.
Implementacin de algoritmos
para la clasificacin
Utilizar el modelo de
validacin cruzada para
evaluar el clasificador
Elaboracin
y
Presentacin
del
Documento final.

Pgina

22

12.

Bibliografa

[1] Produccin de Caf de Colombia Lleg a 11,7 Millones de Sacos En Los

ltimos Doce Meses | Federacin Nacional de Cafeteros. Accessed August
17,
2015.
http://www.federaciondecafeteros.org/particulares/es/sala_de_prensa/detall
e/produccion_de_cafe_de_colombia_llego_a_117_millones_de_sacos_en_los
_ultimos/.
[2] Chalarc J. Vida y hechos del caf en Colombia. Bogot (Colombia). 1998.
[3] Arcila J, Buhr L, Bleiholder H, Hack H, Wicke H. Aplicacin de la escala BBCH
ampliada para la descripcin de las fases fenolgicas del desarrollo de la planta
de caf. Boletn tcnico Cenicaf. Colombia. No 23:1-32. 2001.
[4] Salazar M, Riao N, Arcila J, Ponce C. Estudio morfolgico anatmico y
ultraestructural del fruto de caf (Coffea arabica L). Cenicaf. Colombia.
45(3):93-105. 1994.
[5] Velez J. Influencia de la precipitacin en el crecimiento del fruto de caf.
Avances tcnicos Cenicaf. Colombia. No 89:1-4. 1979.
[6] Norris C. Harvesting. Coffee growing in Australia - A machine harvesting
perspective. Rural industries research an development corporation. pag 79-101.
1995.
[7] Alvarez J. Mtodo para calcular la relacin cereza - pergamino en el beneficio
del caf. Cenicaf. Chinchin. 1997.
[8] Arcila J, Buhr L, Bleiholder H, Hack H, Wicke H. Aplicacin de la escala BBCH
ampliada para la descripcin de las fases fenolgicas del desarrollo de la planta
de caf. Boletn tcnico Cenicaf. Colombia. No 23:1-32. 2001.
[9] Escobar G. Una concepcin gerencial de la caficultura. Servicio nacional de
aprendizaje. Bogot (Colombia). 1992.
[10] Fundacin pro imagen de Colombia en el exterior. Repblica de Colombia.
Colombia. 1995.
[11] Puerta Q. Cmo garantizar la buena calidad de la bebida del caf y evitar los
defectos. Avances tcnicos Cenicaf. Colombia. No. 284:1-8. 2001.
[12] Williams A, Feria M, Kari P. The sensory and chemical examination of ground
and cup coffe with particular reference to bean maturity. In Colloque Scientifique
international sur le caf,13. Paipa (Colombia).1989. Pars (Francia). 1989.
[13] Federacion Nacional de Cafeteros de Colombia. Beneficio Ecolgico del caf.
Cenicaf. Chinchin (Colombia). 1999.
[14] Fondo cultural cafetero. Por los senderos del caf de la gran bonanza a la
peor crisis 1975-1993. Bogot. 1994.
[15] Zulma Liliana Sandoval Nio, Flavio Augusto Prieto Ortiz, Caracterizacin de
caf cereza empleando tcnicas de visin artificial, scielo, septiembre 25 de
2007.
[16] Ghazanfari A, Irudayaraj J, Kusalik A, Romaniuk M. Machine Vision Grading of
Pistachio Nuts Using Fourier Descriptors. J. Agric. Engng Res. 68, 247-252. 1997.
[17] Guizard C, Gravoueille J, Crochon M. Automating potato sorting system using
color machine vision. In: Sensoral 98 Colloque international sur les capteurs de
qualit des produits agro alimentaires. Montpellier. 24-27 fvrier 1998. Cemagref
Editions, antony. pag. 185-197. 1998.

Pgina

23

[18] Molto E, Blasco J, Escuderos V, Garca J, Daz R, Blasco M. Automatic

inspection of olives using computer vision. In: Sensoral 98 Colloque international
sur les capteurs de qualit des produits agro-alimentaries, Montpellier, 24-27
fvrier 1998.
[19] Qiu W, Shearer S. Maturity assessment of broccoli using the discrete fourier
transform. Transactions of the ASAE. Vol. 35(6). 2057-2062. 1993.
[20] Ghazanfari A, Irudayaraj J, Kusalik A, Romaniuk M. Machine Vision Grading of
Pistachio Nuts Using Fourier Descriptors. J. Agric. Engng Res. 68, 247-252. 1997.
[21] Paulus I, Busscher R, Schrevens E. Use of image analysis to human quality
classification of aples. J. Agric. Engng Res. 68, 341-353. 1997.
[22] Jayas D, Paliwal J, Visen N. Multilayer neural network for image analysis of
agricultural products. J. Agric. Engng Res. 77(2), 119-128. 2000.
[23] Pavlisdis T. Algorithms for shape analysis of contours and waveforms. IEEE
Transactions on pattern analysis and machine intelligence. 2(4), 301-312. 1980.
[24] Gonzales R, Woods R. Tratamniento Digital de imgenes. AddisonWesley/daz de Santos. 1996.
[25]Hayashi S, Sakaue O, Kanuma T. Study on tomato harvesting robot.
International symposium on fruit, nut and vegetable production engineering, 5.
Davis, California (Estados Unidos). September 3-10. 1997.
[26] Bulanon D, Kataoka T, Ota Y, Hiroma T. A machine Vision System for the
Apple Harvesting Robot. Agricultural Engineering International: the CIGR Journal
of Scientific Research and Development. Manuscript PM 01 006. Vol.III.
[27] Recce M, Taylor J, Plebe A, Tropiano G. Visin and neural control for an
orange harvesting robot. Deparment of Anatomy and Developemental
Biology.University College London, London, UK. 1998.
[28] Kondo N, Nishitsuji Y, Ling P,Ting K. Visual feedback guided Robotic Cherry
Tomato Harvesting. Transactions of the ASAE. Vol.39(6):2331-2338. 1996.
[29] Rayner H. Montes Condori y Juan H. Chuctaya Humari y Christian E. PortugalZambrano y Juan C. Gutierrez-Caceres. (2014). Automatic classification of
physical defects in green coffee beans using CGLCM and SVM. En Latin American
Computing Conference (CLEI). Per: Universidad Nacional de San Agustn
Arequipa.
[30] ILBER ADONAYT RUGE RUGE, ARTHUR STEVEN PINZON ARIAS, DANIEL
ENRIQUE MORENO OCHOA. (2011). Sistema de seleccin electrnico de caf
excelso basado en el color mediante procesamiento de imgenes. En Tecnura Vol.
16 No. 34. Bogot Colombia: Universidad de cundinamarca.
[31] Diaz J.(2013). Diseo De Un Sistema De Seleccin De Caf Mediante La
Caracterizacin De Imgenes. En ENGI Revista Electrnica De La Facultad De
Ingeniera.
[32] Jos Alfredo Palacio, Mauricio Vsquez Carvajal, Daniel Esteban Agudelo.
(2011). RECONOCIMIENTO DE GRANOS DE CAF EMPLEANDO TCNICAS
ESTADSTICAS DE CLASIFICACIN. En REVISTA POLITCNICA ISSN 1900-2351, Ao
7, Nmero 12.(0). Medelln Colombia.
[33] Jos Jaime Carvajal Herrera; Ivn Daro Aristizbal Torres; Carlos Eugenio
Oliveros Tascn y Jhon Wilson Meja Montoya. (2011). Colorimetra del Fruto de
Caf (Coffea arabica L.) Durante su Desarrollo y Maduracin. En Universidad
Nacional de Colombia - Sede Medelln. Medelln Colombia.
[34] Federacin Nacional de cafeteros de Colombia. La calidad del caf va en su
beneficio. 2011.
Pgina

24

[35] Decovending. Cultura del Caf. Marzo del 2012.

Pgina

25