Visión artificial en reconocimiento de patrones para clasificación de frutas en agronegocios

Autores/as

  • Reynaldo Sucari León Universidad Nacional Autónoma de Huanta, Perú
  • Yolanda Aroquipa Durán Universidad Nacional Autónoma de Huanta, Perú
  • Luz Delia Quina Quina Universidad Nacional José María Arguedas, Andahuaylas-Perú
  • Edgardo Quispe Yapo Universidad Nacional del Altiplano, Puno-Perú
  • Anibal Sucari León Universidad Nacional del Altiplano, Puno-Perú
  • Fredy Abel Huanca Torres Universidad Peruana Unión, Perú

DOI:

https://doi.org/10.37073/puriq.2.2.76

Palabras clave:

clasificación de frutas, reconocimiento de patrones, visión artificial

Resumen

La presente tuvo como objetivo determinar la efectividad de aplicar visión artificial en reconocimiento de patrones para la clasificación de frutas en los agronegocios, para ello se ha empleado una base de datos con 50 registros de 6 variedades de frutas donde se consideró 4 características para cada fruta y una muestra de 20 frutas, así mismo se ha empleado la técnica reconocimiento automático de patrones por medio del clasificador bayesiano implementado en Octave, en el experimento se logró reconocer las frutas hasta en un 93.33% y errando en 6.67%. Concluyendo que si es efectivo aplicar la visión artificial en el reconocimiento de patrones para clasificar frutas.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Reynaldo Sucari León, Universidad Nacional Autónoma de Huanta, Perú

Yolanda Aroquipa Durán , Universidad Nacional Autónoma de Huanta, Perú

Luz Delia Quina Quina , Universidad Nacional José María Arguedas, Andahuaylas-Perú

Edgardo Quispe Yapo , Universidad Nacional del Altiplano, Puno-Perú

Anibal Sucari León , Universidad Nacional del Altiplano, Puno-Perú

Fredy Abel Huanca Torres, Universidad Peruana Unión, Perú

Citas

Aldabas Rubira, E. (2002). Introducción al reconocimiento de patrones mediante redes neuronales. IX Jornades de Conferencies d’Enginyeria. Retrieved from http://petrus.upc.es/~microele/neuronal/xn/

Arivazhagan, S., Newlin Shebiah, R., Selva Nidhyanandhan, S., & Ganesan, L. (2010). Fruit Recognition using Color and Texture Features. In Journal of Emerging Trends in Computing and Information Sciences (Vol. 1). Retrieved from http://www.cisjournal.org

Cáceres Tello, J. (2014). La visión artificial y las operaciones morfológicas en imágenes binarias. Retrieved from http://www.um.es/waspssViewproject

Cubero García, S. (2012). Diseño e implementación de nuevas tecnologías basadas en visión artificial para la inspección no destructiva de la calidad de fruta en campo y mínimamente procesada. Universidad Politécnica de Valencia.

Domingo, M. (2004). Visión por Computador. Retrieved from http://www.ing.puc.cl/

Duda, R. O., Hart, P. E., & Stork, D. G. (2001). Pattern Classification - Stork - Google Libros. Retrieved November 10, 2019, from https://books.google.com.pe/books?hl=es&lr=&id=Br33IRC3PkQC&oi=fnd&pg=PR3&ots=2xDRMtd6Hp&sig=euCrNoI04hncVOlqnKDDbZnKTMs&redir_esc=y#v=onepage&q&f=false

Elamvazuthi, I., Sinnadurai, R., Khan, A., & Vasant, P. (2009). Fruit Sorting using Fuzzy Logic Techniques. AIP Conference Proceedings, 225–230.

Fernández Brondo, J. M. (2000). El desarrollo humano como base en la calidad total y la sostenibilidad en los agronegocios. Revista Mexicana de Agronegocios, IV(7), 79–92. Retrieved from http://www.redalyc.org/articulo.oa?id=14107411

Gatica, G., Best, S., Ceroni, J., & Lefranc, G. (2013). Olive fruits recognition using neural networks. Procedia Computer Science, 17, 412–419. https://doi.org/10.1016/j.procs.2013.05.053

Granados Montelongo, J. A. (2000). Fundamentos de Calidad Total en los Agronegocios. Revista Mexicana de Agronegocios, IV, 476–484.

Montoya Holguín, C., Cortés Osorio, J. A., & Chaves Osorio, J. A. (2014). Automatic recognition system of fruits based computer vision. In Revista chilena de ingeniería (Vol. 22).

Pencue-Fierro, E. L., & León-Téllez, J. (2003). Detección y clasificación de defectos en frutas mediante el procesamiento digital de imágenes. Revista Comlombiana de Física, 35(1), 148–151.

Porras, J., De la Cruz, M., & Morán, A. (2014). Clasification system based on computer vision. Retrieved from http://v-beta.urp.edu.pe/pdf/id/2881/n/clasification-system-based-on-computer-vision

Rodriguez Pérez, F. (2015). Sistema automatizado para la determinación del estado de maduración en frutas bomba. Revista Ciencias Técnicas Agropecuarias, 24, 56–61. Retrieved from http://www.redalyc.org/articulo.oa?id=93243475010

Sandoval, Z., & Prieto, F. (2009). Procesamiento de imágenes para la clasificación de café cereza. Prospectiva, 7(1), 67–73.

Theodoridis, S., & Koutroumbas, K. (2003). Pattern Recognition (Second; Elsevier, Ed.). USA.

Vega Huerta, H., & Cortez Vásquez, A. (2010). Entrenamiento de Redes Neuronales para el Reconocimiento de Frutas. Paradigmas 2, 1, 141–164.

Vega Huerta, H., Cortez Vásquez, A., Huayna, A. M., Alarcón Loayza, L., & Romero Naupari, P. (2009). Reconocimiento de patrones mediante redes neuronales artificiales. Revista de Ingeniería de Sistemas e Informática, 6(2), 17–26

Descargas

Publicado

2020-04-09

Cómo citar

Sucari León, R., Aroquipa Durán, Y. . ., Quina Quina , L. D. ., Quispe Yapo, E. . ., Sucari León, A. . ., & Huanca Torres, F. A. s. (2020). Visión artificial en reconocimiento de patrones para clasificación de frutas en agronegocios. PURIQ, 2(2), 166-180. https://doi.org/10.37073/puriq.2.2.76

Número

Sección

ARTÍCULOS

Métricas alternativas