Estado De Arte

En [1] los autores proponen un análisis espectral de imágenes ópticas de muestras de frutos de café verdes y maduros en el cual se realizó el procesamiento en el espectro visible de radiación electromagnética a través de un filtro acusto-óptico (FAO) fabricado con un cristal de dióxido de Telurio (TeO2) obteniéndose una velocidad con la cual se obtienen las imágenes procesadas es superior a la de los métodos basados únicamente en técnicas DIP (Digital Imaging Processing), considerándose como un análisis en tiempo real, además el sistema permite realizar los análisis con iluminación natural, lo que puede ser utilizado para la predicción de los niveles de cosecha.

Correa [2] efectuó el procesamiento de imágenes para la identificación de uva y follaje usando técnicas de clasificación no supervisadas para lo cual hicieron el análisis usando dos vías la de forma y color en el primer caso emplearon la transformada circular de Hough y en el de la identificación por color se emplearon las técnicas de clasificación no supervisada denominadas k-means y Fuzzy c-means. Se determinó que la clasificación mediante k-means sobre el espacio L*a*b*, para imágenes RGB y sobre el índice SAVI en las imágenes RGIR, son las técnicas más adecuadas. En cuanto a la identificación por forma, ésta resultó aplicable sólo en condiciones muy particulares.

En [3] el autor realizo un estudio donde se presenta un sistema de segmentación de imágenes de frutos de café basado en el análisis de las características de textura computadas de la matriz de co­ocurrencia, se cuantificaron 121 indicadores de los cuales se seleccionaron aquellos con mayor discriminación entre dos clases posibles: ‘Centro de Fruto’ y ‘Borde’. La segmentación utiliza la imagen de bordes, buscando en esta sus regiones arco­conexas, el sistema detector de bordes consistió en un clasificador bayesiano con cinco indicadores como entrada extraídos de un elemento estructural, lo que resulta en la partición de la imagen. La salida del clasificador es la pertenencia hacia una de las dos clases para una región de 4x4 (elemento estructural). Para disminuir el costo computacional, se propuso un método experimental utilizando un clasificador basado en umbrales, cuya entrada es un indicador de alta discriminación. Los sistemas alcanzaron un nivel de detecciones correctas superior al 90% para un nivel de tolerancia de 50%.

Yao [4]propone un sistema de análisis de nitrógeno de hojas de caucho usando un modelo agro- químico normalizado, corrección de color, forma y textura. El análisis de color de la hoja lo realiza en un espacio de color HSB debido a que el espacio de color de RGB es dependiente del dispositivo lo que genera incompatibilidad de los componentes RGB. Realizó pruebas químicas de nutrientes de la hoja, así como la segmentación y clasificación en tres regiones de la imagen. La detección del estado de nutrientes la realizó en dos pasos: a) Coincidencias de características de color entre el promedio de los bloques de color estandarizado y el grupo de color de la hoja b) Coincidencias de otras características como el descriptor de forma de Fourier, luego compara la imagen de la muestra de la hoja y el resultado óptimo (la distancia mínima con los estándar), el porcentaje de nutrientes de éste óptimo es el resultado de la prueba final.

En [5]el autor propone un nuevo método de medición del área foliar de plantas basado en el modelo “Snake” basado en la energía interna, la función de energía externa tradicional no puede distinguir entre los diferentes colores de la misma escala de grises, lo que genera error en el procesamiento de imágenes en color, por ello desarrolla funciones de energía externa empleando una gradiente de color en lugar de gris degradado. El valor inicial del modelo “Snake” se basa en las esquinas de la imagen, por lo que utiliza el operador de Harris para extraer esquinas en el componente de intensidad del modelo HSI, considera que el brillo de la imagen en color refleja el contraste de las diferentes partes de la imagen; y luego establece las esquinas como los vértices del contorno inicial, aumentando o disminuyendo los vértices por el algoritmo adaptativo. El algoritmo recupera los puntos vecinos locales en torno a los puntos del contorno para seleccionar el nuevo contorno con menor energía. Se utilizó el modelo de la serpiente mejorado para extraer el contorno del modelo de hoja excluyendo el área sombreada y conservando los detalles de la imagen original de la hoja, por lo que es más preciso que el modelo tradicional.

En [6] Oliveros propone evaluar manchas de hierro en imágenes digitales de hojas de café, cuyas imágenes incluyen un patrón rectangular de 1 cm2 de color azul sobre puesta en una hoja de papel blanco, donde también se ubica la hoja de café. El patrón lo utiliza con el propósito de que el programa relacione el área de la hoja y la lesión, con ello logró calcular el área de la hoja (cm2), el área necrosada (cm2), el porcentaje del área total y el porcentaje de severidad. Se logró los resultados siguiendo los siguientes pasos: a) Superposición en azul de los bordes de las zonas reconocidas como la hoja y el área enferma, b) Segmentación de las necrosis umbralizada. C) Segmentación de la hoja inversa (hoja blanco, fondo negro)

Los autores [7] describen la aplicación del procesamiento de imágenes digitales mediante la técnica de umbralización multinivel debido a que se puede establecer con una mayor precisión rangos fijos y no dinámicos para la detección de las áreas afectadas y las áreas buenas sin confusión con otras zonas en la imagen, en este caso fue necesario establecer grupos por cada área que se desee segmentar a cada uno de los grupos se asignó un rango mínimo y otro máximo por cada componente RGB estos valores de los rangos son los límites del conjunto que contienen los pixeles relacionados con el área analizada. Para segmentar las áreas de grano buenas se realizó el proceso descrito anteriormente, para eliminar el ruido de la imagen se utilizó un filtro Bottom Hat el cual encaja matrices cuadradas dentro de todos los

...