Vol. 14 No. 1 (2015): Revista UIS Ingenierías
Articles

Classification system for artificial vision type Tommy mango

Álvaro Romero Acero
Universidad Nacional de Colombia
Bio
Alejandro Marín Cano
Universidad Nacional de Colombia
Bio
Jovani Alberto Jiménez Builes
Universidad Nacional de Colombia
Bio

Published 2014-10-23

Keywords

  • Artificial vision,
  • image processing,
  • computer vision,
  • structured programming,
  • decision network,
  • RGB color model
  • ...More
    Less

How to Cite

Romero Acero, Álvaro, Marín Cano, A., & Jiménez Builes, J. A. (2014). Classification system for artificial vision type Tommy mango. Revista UIS Ingenierías, 14(1), 21–31. Retrieved from https://revistas.uis.edu.co/index.php/revistauisingenierias/article/view/21-31

Abstract

This paper presents an artificial vision application using the image processing toolbox of Matlab®. The purpose is to classify the type variety Tommy mango according to their characteristics and size. To achieve web using a camera that captures the image in a particular workspace for three mangos maximum. It also describes the programming structure of the M-file code, the segmentation and recognition methods for image processing and graphics and obtaining results that describe the process of classification through the network of choice.

Downloads

Download data is not yet available.

References

  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.