Selección y control de calidad de mangos de la variedad Kent para exportación mediante visión por computadora
Uno de los motores de la economía peruana es la agricultura, que desde la entrada en vigencia de tratados de libre comercio se vio beneficiada por la mayor demanda de productos frescos. Dentro de esta gran gama destacan los mangos y en especial la variedad Kent, pues representan actualmente más d...
| Autor Principal: | Flores Blas, Alvaro Efrain |
|---|---|
| Formato: | Tesis de Licenciatura |
| Idioma: | Español |
| Publicado: |
Pontificia Universidad Católica del Perú
2017
|
| Materias: | |
| Acceso en línea: |
http://tesis.pucp.edu.pe/repositorio/handle/123456789/7786 |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| Sumario: |
Uno de los motores de la economía peruana es la agricultura, que desde la entrada en
vigencia de tratados de libre comercio se vio beneficiada por la mayor demanda de
productos frescos. Dentro de esta gran gama destacan los mangos y en especial la variedad
Kent, pues representan actualmente más del 90% del total del volumen exportado de estos
frutos. En la actualidad, la selección y clasificación de mangos se realiza de manera
manual, lo cual conlleva a errores humanos asociados a la fatiga o cansancio laboral que
posteriormente afectan la calidad, por lo cual los costos de operación se incrementan.
Siguiendo esta línea, para que el Perú prosiga con la tendencia al alza de mangos
exportados es necesario automatizar el proceso para ofrecer mangos de calidad y llevar
por buen camino la marca Perú.
El presente trabajo plantea algoritmos de procesamiento de imágenes para la inspección
de mangos de la variedad Kent, como parte del primer paso del proyecto para el diseño e
implementación de un Sistema Automatizado para la Clasificación y Selección de
Mangos para la empresa HCQ PERU SAC. El proceso de análisis de las imágenes incluye
la estimación de la masa del mango y la detección de las principales enfermedades o
ataques de plagas en el fruto, manifestados a través de puntos y manchas necróticas.
Asimismo, se presenta el procedimiento para poder estimar la madurez mediante la
verificación del desplazamiento de píxeles en el espacio de color CIELab.
Como resultado se obtuvo un error de estimación de masa de 4.586%. Asimismo, se
detectaron las principales imperfecciones manifestadas en manchas y puntos necróticos
y se realizaron pruebas del algoritmo para detectar la madurez en plátanos de seda, ya que
la variación de color de la cáscara de verde a amarillo es semejante a cómo varía este
atributo en los mangos de la variedad Kent, además de contar con la ventaja de los rápidos
cambios de color en el plátano. |
|---|