Desarrollo de una metodología computacional para tratamiento y caracterización de imágenes de tipo agroindustrial
DOI:
https://doi.org/10.26507/paper.3393Palabras clave:
Python, Procesamiento de imágenes, Caracterización, Índices de calidadResumen
La búsqueda en las mejoras de producción de café en el departamento de Cundinamarca ha generado un creciente interés en el desarrollo de metodologías de evaluación de parámetros de calidad en el proceso de cultivo y postcosecha del grano.
En el contexto tradicional, el análisis de calidad se desarrolla mediante inspección visual y procesos químicos, los cuales pueden resultar inoportunos e insuficientes. En este sentido, las técnicas de reconocimiento de imágenes actuales se destacan por ser herramientas rápidas, confiables y económicas para la evaluación de calidad y detección de irregularidades en productos alimenticios, ya que permiten caracterizar y cuantificar de forma simultánea distintas propiedades fisicoquímicas de una muestra a través de su firma espectral.
Se presenta aquí un enfoque basado en técnicas de reconocimiento de imágenes y visión por computador para la identificación de características y objetos en archivos RGB. El desarrollo de este proyecto tiene un enfoque innovador ya que la caracterización computacional de imágenes se presenta como una solución para la caracterización de parámetros de interés en alimentos. Además, es una metodología de fácil y rápido acceso, que permite desarrollar diagnósticos preventivos y estudios en campo con la proyección de optimizar los tiempos de producción para satisfacer la demanda alimentaria.
Descargas
Citas
Alcaldía Mayor de Bogotá. Nota Editorial: La región Bogotá-Cundinamarca: Dinámica económica y potencialidades. https://observatorio.desarrolloeconomico.gov.co/sites/default/files/files_articles/NotaEditorialN138Bogota-Cundinamarca.pdf (2015).
Cundinamarca, G. de. Plan departamental de extensión agropecuaria. https://www.adr.gov.co/wp-content/uploads/2021/07/PDEA-Cundinamarca.pdf (2020).
Castro Silupu, W. M., Yoplac Tafur, I. J. & López Portocarrero, C. A. Predicción del color y contenido de humedad en café cerezo mediante redes neuronales y regresión de mínimos cuadrados parciales. Cienc. Amaz. 5, 91 (2015). https://doi.org/10.22386/ca.v5i2.94
Martinez, F., Manzano, J. M., Romaine, J. & Millan, P. Visión artificial para detección automática de altura del cultivo. in XLIII Jornadas de Automática: libro de actas: 7, 8 y 9 de septiembre de 2022, Logroño (La Rioja) 1015–1022 (2022). https://doi.org/10.17979/spudc.9788497498418.1015
Kiranyaz, S. et al. 1D convolutional neural networks and applications: A survey. Mech. Syst. Signal Process. 151, 107398 (2021). https://doi.org/10.1016/j.ymssp.2020.107398
Ghosh, A., Sufian, A., Sultana, F., Chakrabarti, A. & De, D. Fundamental concepts of convolutional neural network. Intelligent Systems Reference Library vol. 172 (2019). https://doi.org/10.1007/978-3-030-32644-9_36
Descargas
Publicado
Cómo citar
Evento
Sección
Licencia
Derechos de autor 2023 Asociación Colombiana de Facultades de Ingeniería - ACOFI
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Estadísticas de artículo | |
---|---|
Vistas de resúmenes | |
Vistas de PDF | |
Descargas de PDF | |
Vistas de HTML | |
Otras vistas |