Robot autonomo agricultor

Demostrar por medio de la visión artificial el nivel de madurez de las naranjas

David L. Tomalá, Ronald A. Ruiz, Marco A. Mera

Facultad de Ciencias Matemáticas y Físicas, Universidad de Guayaquil,

Guayaquil, Ecuador.

Resumen:

En la actualidad el manejo adecuado de las frutas ha sido una de las actividades económicas en la agricultura Ecuatoriana. Por lo tanto, la identificación del estado de maduración de las frutas se realiza de forma manual, presentando complejidad a la hora de analizarlas, presentando fatiga ocular del profesional. El objetivo de esta investigación fue elaborar un sistema de visión artificial para medir el nivel de madurez de la naranja a partir del reconocimiento de imágenes. El área en pixeles de las imágenes perteneciente a la naranja será extraída mediante la técnica de Otsu usando librerías de OpenCv en Python. Finalmente, la tarea de clasificación se realizará a través del análisis de agrupamiento, en el cual vamos a asignar 100 puntos RGB pertenecientes a cada estado de maduración de la naranja.

Palabras claves: Visión artificial, maduración de la naranja, procesamiento de imágenes, segmentación Otsu.

1. Introducción

El control de calidad en productos agrícolas ha evolucionado con la tecnología sobre todo al momento de realizar la adquisición de imágenes para su respectivo procesamiento en los computadores (Silva, L. A., & Lizcano, S. (2012). Trabajos modernos sugieren que la mayoría de los países Latinoamericanos usan como alternativa la visión artificial como proceso de innovación tecnológico para mantener un control en la calidad de muchos productos y así brindar productos de mejor calidad y presentación al cliente.

El estado de maduración es un factor determinante para obtener frutas de alta calidad y con esto cubrir las necesidades, que demanda el mercado local, así como también el internacional. El análisis manual por parte del experto es un procedimiento que brinda una perspectiva del estado de maduración de la fruta sin destruirla, en este se evalúan aspectos como color, tamaño, forma en forma básica. Sin embargo, otros aspectos son abordados a manera de características por otros autores (Figueroa, D. E., & Guerrero, E. R. 2016).

El manejo post-cosecha de frutos, que hacen parte de los frutos climatérico, es decir aquel que es capaz de seguir madurando incluso después de haber sido recolectado, preservando sus características de calidad para el consumidor  final, además ocurren diversos cambios fisicoquímicos, como la pérdida de firmeza y turgencia, aumento del contenido de sólidos solubles totales, modificación del contenido de lípidos (Acero, Á. R., Cano, A. M., & Builes, J. A. J. 2015).

La visión artificial, es el área del conocimiento que estudia teorías y métodos para el análisis automático de la información contenida en imágenes. La metodología clásica de la visión artificial recorre las siguientes etapas: adquisición, pre-procesamiento, segmentación, extracción de características, reconocimiento de patrones y evaluación (Silva, L. A., & Lizcano, S. 2012). Además es de gran importancia porque ayuda a detectar y clasificar de mejor manera los productos agrícolas.

La detección y clasificación de defectos en frutas mediante el procesamiento digital de imágenes es un campo que ofrece grandes desafíos. Como es el caso del diseño de sistemas automatizados por visión artificial, los cuales resultan más complejos de lo tradicional, usualmente las frutas se distribuyen como objetos 3D irregulares, con una forma y un tamaño aleatorios (Pencue, E. L., & León-Téllez, J. 2003). Para obtener las imágenes a ser manipuladas se requiere entornos controlados de iluminación para disminuir el margen de error del procesamiento, luego se aplican las técnicas de filtrado para una mejor detección de los objetos, finalmente se aplican las técnicas de segmentación.

Las medidas de las propiedades de muchos de los defectos en las frutas muestran que algunos de estos tienen propiedades de color características y, por medio de estas, se consigue valiosa información para la detección y la clasificación. Las diferencias más importantes en los de defectos de las frutas yacen en el rango visible y en las regiones cercanas a este (Pencue, E. L., & León-Téllez, J. 2003).

(Bermúdez, A. M., Padilla, D. B., & Torres, G. S. 2012) Indica que un componente fundamental para la correcta adquisición de imágenes lo constituye el esquema de iluminación seleccionado. Cualquier deficiencia en este implicaría resultados adversos y tiempos de procesamiento mayores. Los factores importantes como la intensidad de luz, son necesarias para resaltar adecuadamente las características de la naranja para la evaluación y medición de los parámetros relevantes (tamaño, contorno, color).

(Acero, Á. R., Cano, A. M., & Builes, J. A. J. 2015) Indica que el reconocimiento es la parte encargada de identificar la toma de decisiones para cada naranja y describir sus características tomando como referencia el método de decisión estructural. Se tiene en cuenta la segmentación por medio de la forma de la naranja, limitando la región de interés. Para caracterizar el color, se adecua la imagen a una matriz RGB.

Por lo tanto, este parámetro es considerado por el usuario y se debe colocar a punto, teniendo en cuenta la distancia de la cámara respecto al área de trabajo y el tamaño en pixeles de la imagen, parámetros usados como puntos de referencias para el procesamiento y reconocimiento de la imagen (Acero, Á. R., Cano, A. M., & Builes, J. A. J. 2015).

Por esta razón, las técnicas de procesamiento digital de imágenes surgen como una solución prometedora para soportar el análisis en la identificación del estado de maduración de frutas de tipo exportación en la industria agroalimentaria, debido a su velocidad y precisión contribuyen en la disminución de los errores subjetivos producidos por el experto luego de análisis extensos (Figueroa, D. E., & Guerrero, E. R. 2016). Esto permitirá por medio de la visión artificial medir el nivel de madurez de los frutos, por lo cual la naranja será nuestro objetivo principal, será sometida a un proceso de analisis.

1. Trabajos relacionados:

En la actualidad no hay reportes solidos de un trabajo investigativo para medir el nivel de madurez de la naranja  por medio de la visión artificial, sin embargo han estado desarrollando proyectos que contenga las mismas características, como la aplicación de técnicas de visión artificial para el reconocimiento de la naranja madura en el árbol (Bermúdez Rincón, H., & Báez Páez, J. A. 2014).

(Bermúdez Rincón, H., & Báez Páez, J. A. 2014), Indica que esta técnica de visión artificial posee muchas ventajas ya que su valoración en cuanto a la captura, análisis y procesamiento de imágenes es objetiva, la cual permite una mejor toma de decisiones, siendo este capaz de hacer un trabajo con eficiencia mucho más alta y teniendo una mayor autonomía en la exactitud de resultados.

...