Revista UIS Ingenierías

Vol. 14 Núm. 1 (2015): Revista UIS Ingenierías
Artículos

Sistema de clasificación por visión artificial de mangos tipo Tommy

PDF HTML
  • Álvaro Romero Acero,
  • Alejandro Marín Cano,
  • Jovani Alberto Jiménez Builes
Álvaro Romero Acero
Universidad Nacional de Colombia
Biografía
Alejandro Marín Cano
Universidad Nacional de Colombia
Biografía
Jovani Alberto Jiménez Builes
Universidad Nacional de Colombia
Biografía

Publicado 2014-10-23

Palabras clave

  • modelo de color RGB,
  • procesamiento de imágenes,
  • programación estructurada,
  • red de decisión,
  • visión artificial,
  • visión por computador
    • ...Más
    Menos

Cómo citar

Romero Acero, Álvaro, Marín Cano, A., & Jiménez Builes, J. A. (2014). Sistema de clasificación por visión artificial de mangos tipo Tommy. Revista UIS Ingenierías, 14(1), 21–31. Recuperado a partir de https://revistas.uis.edu.co/index.php/revistauisingenierias/article/view/21-31
Aviso de derechos de autor/a

Resumen

Se presenta una aplicación de visión artificial utilizando el Toolbox de procesamiento de imagen de Matlab®. El propósito es clasificar el mango de variedad tipo Tommy de acuerdo a sus características de color y tamaño. Para lograrlo se usa una cámara web que captura la imagen en un área de trabajo determinada para tres mangos como máximo. Se describe además la estructura de programación del código M-file, los métodos de segmentación y reconocimiento para el procesamiento de la imagen y la obtención de gráficas y resultados que describen el proceso de clasificación mediante la red de decisión.

PDF HTML

Descargas

Los datos de descargas todavía no están disponibles.

Referencias

  1. CUBERO, S., et al. Advances in machine vision applications for automatic inspection and quality evaluation of fruits and vegetables, Food and Bioprocess Technology. Springer-Verlag., 2011. vol. 4(4), pp. 487-504.
  2. FU, K., et al. Robótica: control, detección, visión e inteligencia. McGraw-Hill., 1988, pp. 306–460.
  3. VEDRAN, V., et al. Remote control of robot arm with five DOF, IEEE conferences MIPRO, Proceedings of the 34th International Convention, 2011, pp. 1707–1711.
  4. BLASCO, J., et al. Avances en visión artificial automática de productos hortofrutícolas, Poscosecha -Horticultura global, 2010, pp. 48-50.
  5. DNP, Departamento Nacional de Planeación, Información Básica Departamental Magdalena, 2002.
  6. ICA, Colombia podrá exportar mango fresco en rodajas a EE.UU. Boletín de prensa 2013. Bogotá, Colombia.
  7. [consulta: 5-6-2014].
  8. CORPOICA, Corporación Colombiana de Investigaciones Agropecuarias, Asociación Hortifrutícola de Colombia, Asohofrucol. Modelo Tecnológico para el cultivo del mango en el Valle del alto Magdalena en el Departamento del Tolima, Boletín
  9. de prensa 2013. Bogotá, Colombia.
  10. Corporación Colombiana Internacional (CCI) y Ministerio de Agricultura y Desarrollo Rural (MADR). Encuesta Nacional Agropecuaria, 2010, Bogotá.
  11. ICONTEC, “Norma Técnica Colombiana NTC 5139, Frutas Frescas, Mangos Criollos, Especificaciones,” 2002, Bogotá, Colombia.
  12. GONZALEZ, R; WOODS, Digital image processing “Instructor’s Manual”. 2nd ed. Prentice Hall, 2002.
  13. WILLIAM, K. Digital image processing. 3th ed. New York: John Wiley & Sons, Inc., 2001, pp. 399–640.
  14. GONZALEZ, R., et al. Digital image processing using Matlab. 3th ed. Prentice Hall, 2004, pp. 379-593.
  15. GONZALEZ, R; WOODS, R. Tratamiento Digital de Imágenes. Addison-Wesley, 1994.
  16. BLANCHET, G; CHARBIT, M. Digital Signal and Image Processing using MATLAB. ISTE Ltd., 2006.
  17. GALVIS, L., et al. Tratamiento digital de imágenes e inteligencia artifi cial aplicados a la perforación de pozos petroleros, Revista Fuentes: El Reventón Energético vol. 9, No. 1 de 2011, pp 21-31.
  18. AL-HADITHI., et al. Interfaz Visual para el Prototipado Rápido de Clasifi cación de Gajos de Mandarina Basado en Redes Neuronales,” Tecnologi@ y desarrollo. 2006. vol. 4, pp. 3-27.
  19. PEDRAZA, B., et al. Sistema de reconocimiento facial basado en imágenes con color, UIS Ingenierías, 2011, vol. 10, No. 2, pp. 113-122.
  20. GOPI, E. Algorithm Collections for Digital Signal Processing Applications Using Matlab. Springer, 2007.
  21. THE MATHWORKS. Image Processing Toolbox for use with Matlab user’s Guide. 4 version Boston Mass. 2003.
  22. BESARI, A., et al. Computer vision approach for robotic polishing application using artifi cial neural networks, IEEE, 2010, pp. 281-286.
  23. QURESHI, S. Embedded Image Processing On The TMS320C6000TM DSP. Springer, 2005.
  24. THEODORIDIS, S. and KOUTRUMBAS, S. An Introduction to Pattern Recognition: A MATLAB Approach. Elsevier, 2010.
  25. PAJARES, G. and de la Cruz, J. M. Visión por Computador. Imágenes Digitales y Aplicaciones. Ra-Ma. 2001.
  26. BARRIENTOS, A., et al. Fundamentos de Robótica.
  27. McGraw-Hill, 1997.

Artículos similares

También puede {advancedSearchLink} para este artículo.