CURSO: FORMACIÓN PARA LA INVESTIGACIÓN MECATRÓNICA

PROFESOR: ROBERT ISAIAS QUISPE ROMERO

PROFESORA: RINA CARHUAZ AMBIA

INTEGRANTES:

ROMAN OROYA, EDGAR RONNIE COD: 1420651

PEREZ CAMILO, LALO PAOLO COD:1533387

PROYECTO: CLASIFICADOR DE MANGOS POR CALIDAD MEDIANTE

TÉCNICAS DE VISIÓN ARTIFICIAL.
 Introducción:

El presente estado de la cuestión aborda un problema en el sector agroindustrial. En la

actualidad en empresas integrados en la Asociación de Productores y Exportadores de Mango

Peruano (APEM) el proceso de selección de mangos se viene realizando de manera convencional

o manual. Por lo que implica un proceso de arduo trabajo muy intenso y prolongado, existiendo

riesgos de error humano relativamente elevados, debido al cansancio y monotonía del proceso,

presentando consecuencias como variabilidad sobre características de Calidad en la selección de

mangos. Para el problema expuesto, existe un amplio conocimiento teórico y métodos de

soluciones tecnológicos que se han aplicado con éxito en diferentes países , como es en el caso

de Colombia y México donde aplicaron el método de Visión Artificial para la inspección de

calidad de frutas y verduras; basándose en el análisis de algoritmos que permiten caracterizar

diversos rasgos físicos como: tamaño, color, textura y defectos externos; procesando en el

análisis de imágenes del producto; proporcionándole ventajas tecnológicas que les permitieron

incrementar su competitividad y mejoramiento de la calidad que exige el actual mercado

internacional. Por tal motivo la presente investigación se propone investigar, desarrollar y diseñar

una herramienta computacional que automatice la clasificación de mangos por calidad mediante

técnicas de Visión Artificial, basándose en el reconocimiento de imágenes, el cual consta en el

reconocimiento de características físicas como la detección de la maduración, textura, así como

de la detección de plagas que puedan afectar la calidad del fruto. Por lo expuesto anteriormente y

de las posibilidades de solución que existe, se formula la siguiente pregunta de investigación.

¿Qué características debe tener un clasificador automático de mangos para solucionar el

problema? El concepto de calidad en las frutas a lo largo del tiempo ha ido evolucionando. Al

principio la percepción de la calidad era diferente según el interés particular de cada uno de los
agentes que intervenían en el proceso de producción (productor, comerciante y consumidor ).Sin

embargo , cada vez hay más coincidencia entre los sectores implicados, ya que todos ellos

tienden a acercar sus criterios hacia lo que impone el consumidor, en los que el estado de

maduración de la fruta tiene un papel muy importante, para satisfacer al máximo las exigencias

del sector comercial.(Monin,1970,p.471). La visión artificial es una rama de la inteligencia

artificial que tiene como finalidad la extracción de información del mundo físico a partir de

imágenes, utilizando para ello un computador. Actúa sobre una representación de una realidad

que le proporciona información sobre brillo, colores, textura, formas, etcétera. Estas

representaciones suelen estar en forma de imágenes estáticas, escenas tridimensionales o

imágenes en movimiento; el funcionamiento de este comportamiento trata de definir fases para el

análisis de imágenes, que tradicionalmente de divide en cuatro fases principales: Captura de

imagen, pre procesado, segmentación, clasificación. (Bustamante, 2014, p.10). Siendo un país

con un enorme potencial en la producción y exportación de mangos de diferentes variedades, en

muchos sectores como en la selva central, no contamos con la tecnología adecuada para la

clasificación de frutos controlando las características de calidad; así mismo al aplicar la

automatización al proceso, le otorga al sector agroindustrial un gran poder competitivo y

demanda en los mercados locales e internacionales, contribuyendo en la sostenibilidad

económica y social del país. Los autores con los trabajos de investigación que más información

aportan para el diseño de nuestro proyecto son los siguientes:

Jean Carlos Herrera Pérez y Selfi Manuel Medina Ortiz,2015 (Diseño de un sistema automático

de selección de frutos de café mediante técnicas de visión artificial). José Carlos Gil Julca y

Cristian Anthony Guevara Collantes,2018 (análisis y determinación de enfermedades en el fruto

del mango utilizando técnicas de procesamiento digital de imágenes)

FUENTE 1
Pérez, J. C., & Ortiz, S. M. (2015). Diseño de un sistema automático de selección de frutos de café

mediante técnicas de visión artificial. Barranquilla: Repositorio "Universidad Autónoma del

Caribe".

En el presente trabajo de investigación desarrollan un sistema automático de selección de

frutos de café mediante técnicas de visión artificial. Para lo cual tuvieron en cuenta la

maduración y la presencia de broca en el fruto de café. Para ello, desarrollan un algoritmo que

consta de varias etapas: una base de datos formado por imágenes de frutos de café en dos estados

maduro y no maduros, adquisición de imágenes, preprocesamiento, segmentación, extracción de

características de color y finalmente, el proceso de reconocimiento o selección de frutos

diferenciando en maduros o no maduros. Por otra parte, para la detección de brocas desarrollaron

un algoritmo con el fin de buscar zonas negras presentes en la imagen, lo cual indicaría los

orificios dejados por la broca. Se logró la detección a través de la binarización de la imagen

original, utilizando umbral de 30. El sistema fue probado con una muestra de 58 imágenes de

café mediante una curva ROC se obtuvo un 87% de efectividad. También se realizó una prueba

con la metodología propuesta por unos de sus autores que es del clasificador bayesiano, el cual

obtuvo un rendimiento del 100%, así demostraron que las técnicas de visión artificial para el

control de calidad en los frutos de café es un método viable y objetivo.

Comentario: Los algoritmos desarrollados para el estado de maduración y color nos brindarán

un aporte muy significativo, como también el sistema de expulsión para separar los frutos

clasificados; ya que nuestro proyecto de investigación está ligado a ello.

FUENTE 2
Javier, V. A. (2016). Diseño de un Sistema de Visión por Artificial para la Clasificación de Chirimoyas
basado en Medidas. Lima: Repositorio de Pontificia Católica del Perú.

Este trabajo plantea el desarrollo de un sistema de visión artificial capaz de medir la

chirimoya, para posteriormente clasificar aquellas que cumplan con una dimensión de 10 x 12

cm. Para lo cual, se dividió en etapas: etapa de procesamiento; ajuste de contraste y para la etapa

de segmentación, cierre, apertura, y código cadena; el algoritmo que realiza las etapas ya

mencionados se realizó con un PLC y para realizar el proceso de imagen se optó por un

computador de escritorio junto con una cámara. Se logró clasificar 91 de 91 chirimoyas de

categoría extra y primera con una efectividad de 100%, una precisión de medida de 0.35mm y un

error permisible de 2,18mm.

Comentario: El controlador PLC es de vital importancia por la velocidad que ofrece en la

entrada y salida de señales que enviarán los sensores y dispositivos de captura de imágenes.

FUENTE 3

Figueroa, D. E., & Guerrero, E. R. (2016). Sistema de Visión Artificial para la Identificación del Estado

de Madurez de Frutas (Granadillas). Redes de Ingenieria, 78-86.

Presentan el desarrollo de una herramienta computacional para la identificación del estado de

maduración de granadillas, a partir del reconocimiento de imágenes. El trabajo está compuesto

por una etapa de adquisición de imágenes, preprocesamiento, segmentación finalmente el

reconocimiento o clasificación del fruto. Para ello, desarrollaron algoritmos con librería de

código abierto OpenCv y con el entorno Python ya que está orientada a aplicaciones de

procesamiento de imágenes. Por último, la clasificación se realizó a través del análisis de

agrupamiento, en el cual fueron asignados 110 puntos RGB perteneciente a cada estado de

maduración del fruto. Los resultados obtenidos muestran 92,6% de asertividad en la

identificación del estado de maduración con una muestra de 90 frutas en diferentes estados de

maduración de una granadilla.

Comentario: Es de gran importancia seguir las etapas en orden al proceso y que tengan sistemas

de retroalimentación del sistema; por otra parte, usaron el programa Python con las librerías de

OpenCv, al contar con licencia gratuita para fines académicos y comerciales nos será de gran

ayuda para nuestra investigación.

FUENTE 4

Carlos, G. J., & Anthony, G. C. (2018). Análisis y determinación de enfermedades en el fruto del mango

utilizando técnicas de procesamiento digital de imágenes. Lambayeque-Peru: Repositorio

Universidad Nacional "Pedro Ruiz Gallo".

El presente trabajo reseña una metodología para la implementación de un algoritmo para el

análisis y la determinación de las enfermedades del fruto de mango. Con la ayuda de una

computadora y un software llamado MATLAB se podrá identificar automáticamente los defectos

externos del mango. A partir de la adquisición de imagen será sometido al proceso de

segmentación, algoritmos de detección de bordes, modelo de color HSI (espacio de color, tono,

saturación e intensidad), descriptores de histogramas de color finalmente clasificadores. El

resultado de esta metodología fue exitoso ya que se pudo encontrar los defectos del mango

automáticamente con una eficiencia de 97% donde dicho porcentaje garantiza el acierto favorable

del sistema.

Comentario: Para este proyecto de investigación el software de Matlab es de gran ayuda,

debido que el programa identifica defectos externos del mango, de esa manera cumple con la

función de seleccionar para el control de calidad. Así mismo, nos indican métodos para
determinar la clasificación por color de la fruta, información que aportará en el desarrollo de

nuestro proyecto de investigación.

FUENTE 5

Miranda, J. C. (2018). Clasificación automática de naranjas por tamaño y por defectos utilizando

técnicas de visión por computadora. San Lorenzo - Paraguay : Biblioteca Central de la

Universidad Nacional de Asunciòn.

Propone una metodología utilizando técnicas de visión por computadora para la clasificación

de naranjas, los pasos de desarrollo empiezan por la adquisición de imágenes, procesamiento,

extracción de características y clasificación donde esta última etapa hace una evaluación de 2

modos: clasificación según el umbral y la clasificación por aprendizaje automático. El trabajo

también menciona acerca de pasos para la detección de defectos con la creación de banco de

imágenes, generación de datos de aprendizaje y evaluaciones de frutas utilizando el algoritmo

KNN (método de los k vecinos más cercanos). A partir de la prueba realizada con una muestra de

158 naranjas marcadas como “defectuosas” y 49 marcadas como no “defectuosas”. El algoritmo

que presento un mejor desempeño fue KNN con 5 vecinos demostrando una exactitud de 96%.

Comentario: El presente trabajo de investigación nos muestra una buena eficiencia del sistema.

Por lo cual garantiza hacer uso de la metodología aplicada en la realización del proyecto, como

es referido a la clasificación de mangos por calidad tenemos la oportunidad de hacer uso los dos

de tipos de clasificación aplicadas por Miranda. La clasificación según umbral y la clasificación

por aprendizaje automático.

FUENTE 6

La Madrid Távara, L. E. (2019). Implementación de un algoritmo de control de calidad para la selección

de productos agrícolas utilizando visión artificial. LAMBAYEQUE: Repositorio Universidad
Nacional Pedro Ruiz Gallo.

En esta investigación se propone generar un algoritmo de detección de fruta en mal estado y

así permita el control de calidad; para ello se utilizarán técnicas de visión por computador tales

como procesamiento de imágenes, histogramas, uso de operadores morfológicos, selección del

espacio de color, determinación de umbrales entre otros. El algoritmo es realizado en MATLAB

siguiendo una serie de pasos basados en procedimientos de procesamiento digital de imágenes

que determinaron que la fruta a analizar está en buen estado o no, procurando determinar qué tipo

de defecto se detecta. Para lograr separar el fruto la imagen es convertida a una matriz de formato

uint8 a formato doublé, donde se realizó operaciones matemáticas para separar según el estado

del fruto. Se hizo una prueba con melocotones, identificados por defectos como picoteados,

pulpa visible y golpe; con una muestra de 100 imágenes analizadas; 11 fallos han sido por este

tipo de clasificación defectuosa y se ha acertado un 89%, donde dicho resultado muestra un

porcentaje de acierto favorable.

Comentario: El proyecto de investigación hace referencia del software MATLAB; lo cual nos

serviría para desarrollar el algoritmo cuya función sea de detectar los defectos externos del fruto.

FUENTE 7

Tene, A. S. (2019). Diseño de un sistema de clasificación para limón por tamaño y color. Piura:
Repositorio institucional Pirhua-Universidad de Piura.

Presentan el desarrollo de un sistema capaz de clasificar limón utilizando técnicas de visión

por computador. Está compuesto por software y hardware; utilizaron el software libre “JAVA” y
en el hardware utilizaron los siguientes componentes cámara, sistema de iluminación, procesador

industrial, PLC, sistema de comunicación, encoder. La clasificación se basa en el tamaño y el color

del fruto. El algoritmo desarrollado en JAVA tiene las siguientes fases; adquisición de imagen,

procesamiento de imagen, cálculo de diámetro, cálculo de color, comparación y envío de datos al

PLC para así lograr la clasificación del fruto. El resultado obtenido del clasificador por color y

tamaño tiene una precisión de +-2% por fotografía. De ese modo concluyeron que se puede

aumentar la producción y mejorar la calidad del proceso de clasificación del producto.

Comentario: El presente trabajo concluye que el sistema de procesamiento y control realiza su

tarea con éxito. Lo cual, nos garantiza el uso del software “JAVA” para el desarrollo del algoritmo

cuya función será identificar el color del fruto.

FUENTE 8

ALEXANDER, P. Q. (2019). clasificación de aguacates basado en visión por computador. Ibarra-

Ecuador: Repositorio Digital Institucional( Universidad Tecnica del Norte).

En el presente trabajo de investigación hace uso de técnicas de visión por computador para la

clasificación de aguacates. Los criterios que tuvieron en cuenta son basados en la norma NTE

(Normas Técnicas de Edición) INEN 1755 para aguacates; la clasificación se realiza por tamaño

y características físicas del fruto. El presente método ofrece un algoritmo realizado en el software

MATLAB el cual consta con la adquisición de imagen, preprocesamiento de imagen, análisis de

color (RGB), análisis de tamaño en pixeles y por último reconocimiento y clasificación del fruto.

En la prueba del algoritmo en un software se logró apreciar que la clasificación por tamaño tiene

un total de coincidencias de 215 aguacates, con una eficiencia de 93,1% y la clasificación por

características físicas tiene una eficiencia del 76,19% con 176 aguacates coincidentes.
Comentario: La metodología aplicada en este proyecto tiene un resultado favorable el uso del

software MATLAB, aplicando la técnica de análisis RGB, donde cada color aparecen en sus

estados espectrales aportando en el algoritmo la identificación de imágenes por color en el proceso

de selección, ya que nos garantiza su buen funcionamiento.

CIERRE

En síntesis, la visión artificial es desarrollado siguiendo una serie de pasos que los autores

han generalizado en un marco de procedimientos que se llevan a cabo para el procesamiento

digital de imágenes definiendo 5 fases: adquisición de imágenes, procesamiento digital de

imágenes, segmentación, extracción de características y reconocimiento o clasificación. Cabe

señalar, que el autor (Miranda, 2018) hace uso del algoritmo KNN (método de los k vecinos más

cercanos) con el fin medir el tamaño y detectar los defectos externos del fruto. De forma similar

(Pérez & Ortiz, 2015) desarrollaron dos algoritmos, uno encargado de clasificar el estado de

madurez del fruto y el otro con el fin de buscar zonas negras presentes en la imagen, lo cual

indicaría los orificios dejados por una enfermedad (plaga broca). Por otra parte , (ALEXANDER,

2019) hace uso del software MATLAB para desarrollar el algoritmo de adquisición y

procesamiento de imágenes por color RGB, del mismo modo (La Madrid Távara, 2019) utilizó el

software MATLAB que integro el algoritmo de procesamiento de imágenes para la selección de

frutos que se encuentran en buen estado. Respecto a software con licencia gratuita, para la

programación de los parámetros requeridos por el proyecto , los autores (Figueroa & Guerrero,

2016) desarrollaron algoritmos con librería de código abierto OpenCv y con el entorno Python,

de forma similar (Tene, 2019) utilizaron el software libre “JAVA”, ya que ambos son orientadas

a aplicaciones de procesamiento de imágenes.

 Concluimos en base a las fuentes encontradas, todos han desarrollado sistemas completos

aplicando diferentes métodos de visión por computador, que están diseñados y programados

específicamente para la inspección y selección automática de fruta entorno al control y

estimación de calidad. Lo cual nos aporta mucha información para el desarrollo y diseño de

nuestro proyecto de investigación, así poder determinar que métodos son los más viables, con

mínimos porcentajes de error ya que las exigencias de calidad del fruto son cada vez mayores

debido a nuevas normativas y la propia petición del mercado comercial.

Bibliografía
ALEXANDER, P. Q. (2019). clasificación de aguacates basado en visión por computador. Ibarra-Ecuador:
Repositorio Digital Institucional( Universidad Tecnica del Norte).

Bustamante, S.-H. Y. (2014). Algoritmos de procesamiento de imagen. Valparaiso: Pontificia Universidad

Católica de Valparaíso Facultad de Ingeniería Escuela de Ingeniería Informática.

Carlos, G. J., & Anthony, G. C. (2018). Análisis y determinación de enfermedades en el fruto del mango
utilizando técnicas de procesamiento digital de imágenes. Lambayeque-Peru: Repositorio
Universidad Nacional "Pedro Ruiz Gallo".

Figueroa, D. E., & Guerrero, E. R. (2016). Sistema de Visión Artificial para la Identificación del Estado de
Madurez de Frutas (Granadillas). Redes de Ingenieria, 78-86.

Javier, V. A. (2016). Diseño de un Sistema de Visión por Artificial para la Clasificación de Chirimoyas
basado en Medidas. Lima: Repositorio de Pontificia Católica del Perú.

La Madrid Távara, L. E. (2019). Implementación de un algoritmo de control de calidad para la selección de

productos agrícolas utilizando visión artificial. LAMBAYEQUE: Repositorio Universidad Nacional
Pedro Ruiz Gallo.

Miranda, J. C. (2018). Clasificación automática de naranjas por tamaño y por defectos utilizando técnicas
de visión por computadora. San Lorenzo - Paraguay : Biblioteca Central de la Universidad
Nacional de Asunciòn.

Pérez, J. C., & Ortiz, S. M. (2015). Diseño de un sistema automático de selección de frutos de café
mediante técnicas de visión artificial. Barranquilla: Repositorio "Universidad Autónoma del
Caribe".

Tene, A. S. (2019). Diseño de un sistema de clasificación para limón por tamaño y color. Piura:
Repositorio institucional Pirhua-Universidad de Piura.