Clasificación automática de tipos de semilla de quinua a través de descriptores de color

John C. Montalvo Samame, Victor A. Tuesta Monteza, Victor A. Tuesta Monteza, Juan C. Arcila Diaz, Juan C. Arcila Diaz, Heber I. Mejia Cabrera, Heber I. Mejia Cabrera

Resumen


Los agricultores de quinua para obtener cosechas optimas deben seleccionar de manera adecuada sus semillas a cultivar sin que se mezclen con otras variedades. La investigación actual se centra en la clasificación automática de tres tipos de semillas de quinua (Sacaca, Pasankalla y Salcedo) utilizando descriptores de color. Después de la adquisición de imágenes de semilla de quinua, se les asigna el filtro Gaussianblur para corregir y cuantificar el color en las imágenes permitiendo resaltar las diferencias entre las características de cada tipo de semilla de quinua. Las imágenes suavizadas se asignan al proceso de segmentación utilizando el método de Otsu para extraer después las características y realizar el entrenamiento de los clasificadores. Para realizar la clasificación de las semillas de quinua se utilizó SVM mediante el análisis lineal pixel a pixel. Los resultados de ensayo demuestran que el procedimiento de desarrollo tiene una alta precisión.


Palabras clave


Clasificación de semillas; Chenopodium quinoa; descriptores de color

Texto completo:

PDF

Referencias


illo, E.; Aristizábal Peñaloza, “Artificial vision to assure coffee-Excelso beans quality,” 2009.

Daza, L. Sánchez G., and J. Suárez C., “Selección De Características Orientada a Sistemas De Reconocimiento De Granos Maduros De Café,” En Rev. Sci. Tech. Año XIII, vol. 35, no. 35, pp. 139–144, 2007.

Goutte, C.; Gaussiel, “A probabilistic interpretation of precision, recall and F-score, with implication for evaluation,” Proc. Eur. Conf. Inf. Retr., pp. 345–359, 2005.

Hsu, C. Chang, and C. Lin, “A Practical Guide to Support Vector Classification,” vol. 1, no. 1, pp. 1–16, 2016.

Huang, J. Tang, B. Yang, and Q. Zhu, “Classification of maize seeds of different years based on hyperspectral imaging and model updating,” Comput. Electron. Agric., vol. 122, pp. 139–145, 2016.

Jacobsen, A. Mujica, and C. R. Jensen, “The Resistance of Quinoa ( Chenopodium quinoa Willd.) to Adverse Abiotic Factors,” Food Rev. Int., vol. 19, no. 1–2, pp. 99–109, 2003.

Katty, T. “Demanda de la Quinua (Chenopodium quinoa Willdenow) a nivel industrial,” Universidad Agraria la Molina - Perú, 2003.

Panesar, J.P.; Rana, and S. Singh, “Structural, thermal and rheological properties of starches isolated from Indian quinoa varieties,” Int. J. Biol. Macromol., vol. 102, pp. 315–322, 2017.

Pourreza, H. Pourreza, M. H. Abbaspour-Fard, and H. Sadrnia, “Identification of nine Iranian wheat seed varieties by textural analysis with image processing,” Comput. Electron. Agric., vol. 83, pp. 102–108, 2012.

Ro and R. T. A. Hummel, “Deblurring Gaussian Blur,” vol. 80, pp. 66–80, 1987.

Smith, D. B. Reid, C. Environment, L. Palo, P. Alto, and P. L. Smith, “A Threshold Selection Method from Gray-Level Histograms,” vol. C, no. 1, pp. 62–66, 1979.


Enlaces refback

  • No hay ningún enlace refback.


Copyright (c) 2018 Revista Científica INGENIERÍA: Ciencia, Tecnología e Innovación

Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional.