Search

Este trabajo presenta un sistema de reconocimiento capaz de identificar una fruta tropical latinoamericana de entre un conjunto, establecido en una base de datos, utilizando técnicas de visión por computador. La investigación realizada permitió comparar los clasificadores KNN y bayesiano y los modelos del color RGB y HSV, junto con las características de tamaño y forma usadas previamente por investigadores de esta área en países como Malasia, Brasil y Estados Unidos. Para la clase de frutas definidas en esta investigación se determinó que las características que mejor las describieron fueron los valores medios de los canales RGB y la longitud de los ejes mayor y menor cuando se usaba el clasificador bayesiano, proceso que permitió obtener resultados con una exactitud igual al 90% en las pruebas realizadas, encontrándose que no siempre el seleccionar una mayor cantidad de variables para formar el vector descriptor permite que los clasificadores entreguen una respuesta más acertada, en este sentido es importante considerar que entre las variables de estudio debe presentarse un valor bajo de dependencia o correlación. La síntesis del desarrollo del proyecto dio como resultado la construcción de una báscula electrónica capaz de clasificar frutas, dispositivo que pretende contribuir a la solución del problema de identificación y clasificación de productos agrícolas en los supermercados. This paper presents a computer recognition system which is able to identify a Latin American tropical fruit, from a set previously defined in a database, using computer vision techniques. This study allows for comparison of the KNN and Bayesian classifiers and the RGB and HSV color models, along with the size and shape characteristics previously used by researchers in this area, in countries such as: Malaysia, Brazil and the United States. For the class of fruits defined in this research, the characteristics that best described them were the mean values of the RGB channels and the length of the major and minor axes, when the Bayesian classifier was used, a process that yielded results with an accuracy equal to 90% in the tests carried out. It was found that the selection of a larger number of variables, to form the classifier descriptor vector, does not always allow for the delivery of a more accurate response. In this sense, it is important to consider that there should be a low value of dependence or correlation among the variables studied. The project also resulted in the development of a calibrated video electronic scale prototype, capable of sorting fruit, device that aims to contribute to the solution of the problem of identification and classification of agricultural products in supermarkets.