Search

Este trabajo se centra en la implementación de una propuesta de software y hardware para su uso en diferentes aplicaciones industriales en los que se requiere de un sistema capaz de identificar y clasificar ciertos elementos como por ejemplo en un proceso de ensamblado de piezas o en etapas de empaquetado. Para ello, se desarrollará un sistema de visión por computador para su uso junto a brazos robot. El sistema estará compuesto por diferentes elementos que interactúan entre sí para aportar una solución autónoma. Durante este proceso, el sistema será capaz de tomar una imagen del espacio de trabajo en el que se localizan las piezas a manipular a través de un sensor digital y realizará un proceso de extracción de varias propiedades para cada uno de los elementos analizados. En concreto, las propiedades a extraer serán la posición y la orientación de cada elemento en el espacio de trabajo, así como la región que ocupan en dicho espacio. Además se dotará al sistema de la capacidad de identificar la clase de cada pieza para poder realizar su clasificación de forma correcta. Esto se realizará a través del entrenamiento de un modelo predictivo. Toda esta información está formateada para facilitar su transmisión al brazo robot. Esta memoria detalla el proceso de desarrollo de la solución a través de la configuración y puesta en marcha del hardware de adquisición de imagen, así como la programación de la algoritmia necesaria para que los elementos de software interactúen entre sí y realizen el procesado digital necesario

El presente proyecto de grado tiene como finalidad la creación de un sistema para detectar envases de tipo botella de plástico y vidrio en los residuos conglomerados, utilizando la visión computacional implementada en un sistema embebido que es capaz de: detectar una muestra de basura por medio de sensores colocados al inicio y al final de una banda transportadora, llevar los residuos desde el punto de origen hasta el punto de la adquisición de la imagen utilizando la banda transportadora, capturar una imagen y detectar los envases dentro de la muestra de residuos. Este proceso junto con consideraciones especiales conforman el algoritmo diseñado que explica el correcto funcionamiento del sistema. El proyecto cumplió con los objetivos planteados logrando ejecutar correctamente el algoritmo y haciendo buenas inferencias sobre la muestra de basura. Sin embargo, se reconoció la limitación del sistema de detección de objetos al presentarse envases en posiciones en las que la inferencia no brinda la información necesaria para poder tomar el envase dentro de la muestra. The purpose of this degree project is to create a system to detect plastic and glass bottle type containers in conglomerate waste, using computer vision implemented in an embedded system that is capable of: detecting a sample of waste by means of sensors placed at the beginning and end of a conveyor belt, carrying the waste from the point of origin to the point of image acquisition using the conveyor belt, capturing an image and detecting the containers within the waste sample. This process along with special considerations make up the designed algorithm that explains the correct operation of the system. The project met the stated objectives by managing to correctly execute the algorithm and making good inferences about the waste sample. However, it was recognized the limitation of the object detection system by presenting containers in positions in which the inference does not provide the necessary information to be able to take the container within the sample. Ingeniero Electronico Pregrado

Modernization in factories is the key for production and product quality. However, this modernization can involve an investment that companies cannot take, leaving them out of adaptation to Industry 4.0. In the ceramic tile manufacturing industry visual inspections are used to determine the quality of the final product. These tasks are carried out by operators exposed to risky environments. This work presents a low-cost solution for automatic ceramic tile inspection. The defects analyzed are blobs, pinholes, corners, edges and dimensions. All the algorithms were implemented on SoC FPGA (Xilinx Zynq device) using high level synthesis. The algorithms were verified and validated in a controlled environment built to evaluate visual inspection applications. The results of resource utilization and processing times indicate that the implementation in a real production line is feasible., La modernización en las fábricas es un factor clave para la producción y la calidad del producto final. Sin embargo, esta modernización puede suponer una inversión que las empresas no pueden asumir, dejándolas fuera de la adaptación a la Industria 4.0. En la industria de fabricación de baldosas cerámicas se utilizan inspecciones visuales para determinar la calidad del producto final. Estas tareas son realizadas generalmente por operarios expuestos a entornos de riesgo. Este trabajo presenta una solución de bajo costo para la inspección automática de baldosas cerámicas. Los defectos analizados son gotas, defectos de material, esquinas, bordes y dimensiones. Todos los algoritmos se implementaron en SoC FPGA (dispositivo Xilinx Zynq) utilizando síntesis de alto nivel. Los algoritmos se verificaron y validaron en un entorno controlado construido para evaluar aplicaciones de inspección visual. Los resultados de utilización de recursos y tiempos de procesamiento indican que la implementación en una línea de producción real es factible.

El propósito de esta investigación fue evaluar el efecto de la variedad, frecuencia de remoción y tiempo de fermentación en el rendimiento y calidad de granos de cacao (Theobroma cacao L.) mediante visión computacional e imágenes hiperespectrales. Se aplicó el diseño experimental Box-Behnken. Las variables evaluadas fueron variedad de cacao (CCN-51-Rojo, CCN-51-Amarillo y Nacional), frecuencia de remoción (12, 24 y 36) horas y tiempo de fermentación (4, 6 y 8) días. Se tomaron muestras selectivas de granos de cacao de cada tratamiento para el análisis fisicoquímico. Los resultados evidencian que la variedad de cacao CCN-51-Rojo es de mayor rendimiento, los valores optimizados de pH (5.244) y % de acidez (2.292) se obtuvieron trabajando con variedad de cacao CCN-51-amarillo, frecuencia de remoción cada 24 horas y fermentado por 6 días. El análisis de visión computacional muestra variación lineal para granos enteros: ΔL* de blanco a negro, Δa* de verde a rojo, Δb* de azul a amarillo. Para granos partidos: ΔLm* de negro a blanco, Δam* de rojo a verde, Δbm* de amarillo a azul. El análisis de imágenes hiperespectrales determinó que el mejor modelo empleando PLSR (regresión de mínimos cuadrados parciales) para pH se obtiene con pre-tratamiento de 1era derivada (R2 = 0.85, RMSEC = 0.20 de calibración, R2 = 0.69, RMSEVC = 0.28 de validación cruzada y R2 = 0.78, RMSEP = 0.25), y para % de acidez se obtiene con pre-tratamiento de 2da derivada (R2 = 0.89, RMSEC = 0.30 de calibración, R2 = 0.73, RMSEVC = 0.45 de validación cruzada y R2 = 0.63, RMSEP = 0.55). Se obtuvo un modelo de buen desempeño, que predice el rendimiento y la calidad de granos de cacao que podría reemplazar a la prueba de corte convencional. The purpose of this research was to evaluate the effect of the variety, removal frequency and fermentation time on the yield and quality of cocoa beans (Theobroma cacao L.) through computer vision and hyperspectral images. The Box-Behnken experimental design was applied. The variables evaluated were cocoa variety (CCN-51-Rojo, CCN-51-Amarillo and Nacional), removal frequency (12, 24 and 36) hours and fermentation time (4, 6 and 8) days. Selective samples of cocoa beans from each treatment were taken for physicochemical analysis. The results show that the cocoa variety CCN-51-Rojo has a higher yield, the optimized values of pH (5.244) and % of acidity (2.292) were obtained working with the cocoa variety CCN-51-amarillo, removal frequency every 24 hours and fermented for 6 days. Computer vision analysis shows linear variation for whole grains: ΔL* from white to black, Δa* from green to red, Δb* from blue to yellow. For broken grains: ΔLm* from black to white, Δam* from red to green, Δbm* from yellow to blue. Hyperspectral image analysis determined that the best model using PLSR (partial least squares regression) for pH is obtained with 1st derivative pre-treatment (R2 = 0.85, RMSEC = 0.20 calibration, R2 = 0.69, RMSEVC = 0.28 validation and R2 = 0.78, RMSEP = 0.25), and for % acidity it is obtained with pre-treatment of 2nd derivative (R2 = 0.89, RMSEC = 0.30 from calibration, R2 = 0.73, RMSEVC = 0.45 from cross validation and R2 = 0.63, RMSEP = 0.55). A good performance model was obtained, which predicts the yield and quality of cocoa beans that could replace the conventional cut test.

The visualization of areas, volumes, topologies and perspectives objects that stay in our environment are making by ours eyes and brain, which have a long evolution through millions years ago. This ensemble between eyes and brain must be simulated by technology in which an artificial intelligence entity take an autonomous decision based on data information acquired by sensors and computer vision. The fidelity of acquired information from the environment is the fundamental key for a good decision. In this context, the cameras and optical lens miniaturization involves distortions which modify the acquired images of areas, volumes, topologies and perspectives objects. In the present work, we make a calibration process of optical cameras which involves radial and tangential distortions, and using OpenCV libraries we calculate the intrinsics and extrinsics parameters which permit us to obtain correct caquired images., La visualización de áreas, volúmenes, topologías y perspectivas de diferentes objetos que se encuentran en nuestro entorno son realizados por nuestros ojos y cerebro que se han perfeccionado a lo largo de millones de años. Este ensamble entre los ojos y el cerebro debe ser emulado por la tecnología para que una inteligencia artificial tome una decisión autónoma basada en la información proporcionada por los sensores y la visión artificial. La fidelidad de la información proporcionda por el entorno es fundamental para una buena decisión. En este contexto, la miniaturización de las cámaras y las lentes ópticas involucra distorsiones que modifican las imágenes adquiridas de las áreas, volúmenes, topologías y perspectivas de los objetos. En el presente trabajo, hacemos una calibración de las cámaras ópticas considerando las distorsiones radiales y tangenciales y usando las librerías del OpenCV calculamos los parámetros intrínsecos y extrínsecos que permiten corregir las imágenes adquiridas.

The visualization of areas, volumes, topologies and perspectives objects that stay in our environment are making by ours eyes and brain, which have a long evolution through millions years ago. This ensemble between eyes and brain must be simulated by technology in which an artificial intelligence entity take an autonomous decision based on data information acquired by sensors and computer vision. The fidelity of acquired information from the environment is the fundamental key for a good decision. In this context, the cameras and optical lens miniaturization involves distortions which modify the acquired images of areas, volumes, topologies and perspectives objects. In the present work, we make a calibration process of optical cameras which involves radial and tangential distortions, and using OpenCV libraries we calculate the intrinsics and extrinsics parameters which permit us to obtain correct caquired images. La visualización de áreas, volúmenes, topologías y perspectivas de diferentes objetos que se encuentran en nuestro entorno son realizados por nuestros ojos y cerebro que se han perfeccionado a lo largo de millones de años. Este ensamble entre los ojos y el cerebro debe ser emulado por la tecnología para que una inteligencia artificial tome una decisión autónoma basada en la información proporcionada por los sensores y la visión artificial. La fidelidad de la información proporcionda por el entorno es fundamental para una buena decisión. En este contexto, la miniaturización de las cámaras y las lentes ópticas involucra distorsiones que modifican las imágenes adquiridas de las áreas, volúmenes, topologías y perspectivas de los objetos. En el presente trabajo, hacemos una calibración de las cámaras ópticas considerando las distorsiones radiales y tangenciales y usando las librerías del OpenCV calculamos los parámetros intrínsecos y extrínsecos que permiten corregir las imágenes adquiridas.

En el presente proyecto de grado se realizó el diseño y la simulación de un sistema robótico que permite la detección y el seguimiento del sol por parte del telescopio “Eclipseview™ 114 Reflecting Telescope” de la UAO. En primera instancia se realizó un proceso de indagación acerca de las condiciones actuales del telescopio que se encuentra en el laboratorio de física moderna, de tal manera se lograron identificar las necesidades y requerimientos que la automatización de este dispositivo supondría para el uso de los semilleros de robótica y astronomía, documentando así toda esta parte con ayuda de los docentes encargados de dichas áreas. Posteriormente se llevó a cabo toda la parte de investigación que permitió abrir el panorama en cuanto a productos comerciales similares que cumplen con las funcionalidades requeridas en el presente caso de estudio, así mismo se exploraron alternativas no comerciales de aficionados que tenían necesidades parecidas y lograron automatizar sus telescopios sin realizar grandes inversiones de dinero. Con toda la información obtenida hasta este punto se procedieron a aplicar las metodologías de diseño mecatrónico, con las cuales se pudieron identificar las necesidades y requerimientos del problema planteado. A partir de esto se desarrollaron varias alternativas, de tal forma que la mejor de estas fuese escogida para lograr el cumplimento de los objetivos del proyecto, además de realizar la documentación de los detalles técnicos para la posterior elaboración de la misma. Luego de diseñar la alternativa de solución seleccionada se procede a validar su funcionamiento a través de la simulación mediante el uso del middleware ROS, donde se pueden comprobar todos los aspectos físicos con el simulador de Gazebo, además de la generación de trayectorias apoyados en MoveIt, que toma los datos resultantes del sistema de visión computacional desarrollado con las librerías de OpenCV. En los resultados obtenidos se evidenció que el sistema cumple con las funcionalidades acorde a lo requerido, de tal forma que logra detectar y seguir al sol durante el recorrido de su trayectoria. Además de esto, los sistemas de control, posicionamiento, planeación y ejecución de trayectorias fueron simulados exitosamente en ROS y su resultado se califica cualitativamente como satisfactorio. Proyecto de grado (Ingeniero Mecatrónico)-- Universidad Autónoma de Occidente, 2021 Pregrado Ingeniero(a) Mecatrónico(a)

A finales del año 2019 apareció un nuevo virus denominado COVID-19, el cual ha afectado a muchos países alrededor del mundo y ha generado muchas muertes. Este virus entra al cuerpo por tres medios: ojos, nariz y boca. La organización mundial de la salud ordenó el uso indispensable de mascarillas en espacios públicos, personal de la salud y en personas infectadas, y el lavado constante de las manos para así prevenir la expansión de este virus y evitar mayores consecuencias a la población en general. Debido a la falta de concientización acerca del virus, y por ende el uso inadecuado o simplemente el no usar mascarillas en espacios públicos, se ha generado un mayor número de contagios en este país, ocasionando un aumento en el sistema de salud. A pesar de todas estas normas, una pequeña parte de la población aún no se concientiza y estos siguen propagando el virus. En este trabajo proponemos un algoritmo que procese las diferentes imágenes que recibe y analiza a través de redes neuronales si la persona tiene o no mascarilla para así hacer su respectiva detección y llamado de atención y por ende prevenir la expansión del covid-19. At the end of 2019, a new virus called COVID-19 appeared, which has affected many countries around the world and has caused many deaths. This virus enters the body by three means: eyes, nose, and mouth. The world health organization ordered the essential use of masks in public spaces, health personnel and infected people, and the constant washing of hands in order to prevent the spread of this virus and avoid greater consequences for the general population. Due to the lack of awareness about the virus, and therefore the inappropriate use or simply not wearing masks in public spaces, a greater number of infections has been generated in this country, causing an increase in the health system. Despite all these norms, a small part of the population is still not aware and they continue to spread the virus. In this work we propose an algorithm that processes the different images that it receives and analyzes through neural networks whether or not the person has a mask in order to make their respective detection and call for attention and therefore prevent the spread of covid-19.

De todos los sentidos que tienen los seres humanos tal vez uno de los más importantes es la visión, de ahí el interés de tener sumo cuidado para que nada lo afecte, esto permite preocuparnos para saber que enfermedades pueden afectar o dañar nuestro sentido de la visión. La retinopatía diabética es una de las principales causas de ceguera como complicación de la diabetes a largo plazo. La pérdida permanente de la visión puede evitarse mediante un diagnostico precoz de los síntomas de la retinopatía diabética, como los exudados retinianos. Este trabajo de investigación propone utilizar la visión computacional, con redes convolucionales, que permita analizar las imágenes de fondo de ojo para detectar la retinopatía diabética. Existen varias bases de datos disponibles para realizar estos tipos de estudios, entre ellas se tiene: drive, stare, diarectdb0, diarectdb1, mesidor, e_ophtha_MA y Kaggle, para obtener imágenes de ojos que tiene retinopatía diabética e imágenes de ojos sanos. En el estudio de decidió por la base de datos Kaggle, porque sus imágenes están más orientada al desarrollo de proyectos orientados al estudio del fondo de ojos. Los resultados de rendimiento indicaron que se ha tenido una precisión del 80%, el cual es aceptado para estos tipos de proyectos. En nuestro país se ha avanzado poco en lo que se refiere a la prevención de este tipo de patologías que afectan la visión, pero si se inculca que las personas realicen periódicamente un chequeo de la visión es seguro que estaremos evitando que los casos de patologías de la visión aumenten. El sistema desarrollado es útil para clasificar las imágenes e identificar la retinopatía diabética, por lo que podría ser aplicable para una mayor población de problemas en la visión

Los trastornos osteoarticulares aquejan a personas de todas las regiones del mundo sin distinción, ejemplos de ellas son: la osteoporosis y atrosis. La OMS determina la existencia de un incremento de casos en sociedades socioeconómicas más bajas y la Unión Europea establece una estrategia enfocada a entregar salud personalizada en el momento correcto, y brindar una alternativa de prevención oportuna y especifica denominada (PerMed). En este contexto nuestro país necesita aplicar la Medicina Personalizada para diagnosticar a tiempo enfermedades con alta incidencia. La presente investigación busca alinearse a los objetivos de la Medicina Personalizada proporcionando un modelo de sistema de soporte a la diagnosis de trastornos osteoarticulares de miembros inferiores utilizando procesamiento de imágenes de rayos X, teniendo presente la confidencialidad y protección de los datos. El pre-procesamiento de las imágenes de rayos X, permitió eliminar los desafíos de estas imágenes, y posibilito la generación de un gold-standard que sirvió como guía para la segmentación-registro de las estructuras óseas de miembros inferiores. Se utilizaron los modelos estadísticos como: SSM - Statistical Shape Model, SAM – Statistical Appeareance Model, ASM - Active Shape Model y Gradient Profiling en el refinamiento de la etapa de segmentación-registro como parte del entrenamiento y prueba. Estos modelos han sido validados con artículos de investigación presentados en el Capítulo IV con resultados de precisión en la segmentación entre el 74 % y 83 % y para la clasificación de las estructuras óseas dependiendo del objetivo a resolver sea: a) detectar fracturas en el acetábulo, o b) detectar osteoporosis en el fémur proximal, los resultados obtuvieron una precisión de: 73% y 87% respectivamente; y por ultimo para lograr el objetivo de: c) medir la distancia articular, se obtiene un error promedio equivalente a 2.4 px, este es un error aceptable para respaldar el diagnostico de desgaste articular de cadera llamado "osteoartritis de cadera". Asimismo, hubo una mejora significativa en el tiempo de procesamiento comparado con la literatura analizada.

Recent advances in computer vision are leveraging many technological developments in modern industry and automation. In this tutorial, it is presented a review of computer vision methods and applications relevant to the use of cameras as measurement devices in the automotive industry and robotics. The methods include algorithms for edge and ellipse detection, camera calibration, 3-D reconstruction and stereo vision. The applications are elaborated through simulations of three key problems: Detection of rims in automotive wheels; estimation of the calibration angles of vehicles and; trajectory reconstruction using stereo vision. These applications allow to demonstrate the potential of vision-based technologies in solving complex engineering problems in an automated fashion using cameras as sensors. As a result, three general purpose methodologies are proposed for solving problems of industrial need that would serve as guidelines for further developments in current and other related areas. RESUMEN Avances recientes en visión computacional vienen favoreciendo el desarrollo tecnológico en la industria y automatización modernas. En este tutorial, se presenta una revisión de métodos de visión computacional y aplicaciones relevantes para el uso de cámaras como dispositivos de medición en la industria automotiva y robótica. Los métodos incluyen algoritmos para detección de bordes y elipses, calibración de cámaras, reconstrucción 3-D y visión estéreo. Las aplicaciones son elaboradas utilizando simulaciones en tres problemas fundamentales: Detección de aros en ruedas automotivas; estimativa de los ángulos de calibración en vehículos y; reconstrucción de la trayectoria de un vehículo usando visión estéreo. Estas aplicaciones demuestran el potencial de los métodos de visión computacional para resolver problemas de ingeniería complejos de manera automatizada utilizando cámaras como sensores. Como resultado, son propuestas tres metodologías de propósito general para solución a problemas con demanda industrial y que pueden servir como guías para desarrollos futuros en áreas afines o relacionadas.

En la actualidad, la inteligencia artificial tiene muchos campos en los que trabaja. Se ha convertido en un pilar importante de la informática ya que ha beneficiado la vida humana en varios aspectos, desde la medicina hasta juegos de computadoras. Cuando se detecta una imagen tomada con contenido textual, muchas veces se busca la forma de extraer dicho texto de forma automática, por lo que un campo de la inteligencia artificial nos brinda la oportunidad de tener un aprendizaje profundo en el reconocimiento de textos. El Reconocimiento Óptico de Caracteres (OCR) y la visión computacional son de gran ayuda para la interpretación de los textos en una imagen, el cual contribuye en gran medida al dejar atrás las lecturas manuales por parte de una persona y sean lecturas automáticas hechas por software. Por tanto, este documento ofrece de forma general una propuesta de investigación encaminada a la detección y lectura de imágenes que contienen placas vehiculares, la cual optimizará el rendimiento de dicho proceso. El reconocimiento de las placas vehiculares tiene como fin mejorar la forma en cómo se hacen las lecturas de las mismas en las imágenes tomadas por foto multas, ya que benefician en gran medida a dicha empresa encargada del manejo de este proceso. Currently, artificial intelligence has many fields in which it works. It has become an important pillar of computing as it has benefited human life in various aspects, from medicine to computer games. When an image taken with textual content is detected, many times it is desired to extract that text automatically, so a field of artificial intelligence gives us the opportunity to have a deep learning in text recognition. Optical Character Recognition (OCR) and computer vision are of great help for the interpretation of texts in an image, which contributes greatly to leaving behind manual readings by a person and using automatic readings made by software instead. Therefore, this document offers a general research proposal aimed at the detection and reading of images containing number plates, which will optimize the performance of this process. The recognition of vehicle plates is intended to improve the way in which the readings of number plates are made in the images taken by photo fines, since they benefit in great measure the company in charge of handling this process.

Se sabe que las personas que sufren de una limitante visual o en su defecto son discapacitados visuales tienden a enfrentarse a retos como no saber el objeto ante ellos o reconocer el entorno en que se encuentran; por tal motivo estas personas suelen tener casi siempre un acompañante que los guíe en su mundo de oscuridad. Pero, en el caso de que esta persona no se encuentre, ya sea porque la persona discapacitada no cuenta con los recursos para contratar a alguien, o no tenga personas cercanas disponibles cuando él/ella lo necesite, es necesario alguna ayuda tecnológica que supla esa falencia. En este proyecto se propone el desarrollo de una aplicación móvil que sirva de apoyo a las personas con discapacidad visual. Esta aplicación tendrá la capacidad de reconocer objetos a partir de una cámara móvil y brindará esta información a la persona de manera audible. It is known that people with visual impairment tend to face challenges such as not knowing the object before them or recognizing the environment in which they find themselves; For this reason these people usually have a companion to guide them in their world of darkness. But, in the event that this person is not around, either because the disabled person does not have the resources to hire someone, or does not have close people available when he/she needs them, some technological help is needed to overcome this shortcoming. This project proposes the development of a mobile application to support the visually impaired. This application will have the ability to recognize objects from a photo and will provide this information to the person audibly.

En la actualidad, el reconocimiento de objetos en el campo de visión por ordenador, es un reto constante con la finalidad de alcanzar una mayor precisión en el menor tiempo posible. En esta investigación, se propone un nuevo descriptor tridimensional para el aprovechamiento de las cámaras de profundidad de nombre Color Point Pair Feature Light (CPPFL), basado en el descriptor Point Pair Feature (PPF) de Drost et al. (2010). El descriptor propuesto aprovecha la información de color y lo agrupa de un modo más eficaz y ligero que el descriptor Color Point Pair Feature (CPPF) de Choi y Christensen (2016), el cual también usa el color. También se propone una versión alterna llamada Color Point Pair Feature Light Plus (CPPFL+), que se diferencia en el método de creación aprovechando del mismo concepto de agrupación de colores, por lo que gana un "Plus"de velocidad. Este cambio hace que el descriptor sea más eficiente en comparación con anterior, optimizando el proceso de reconocimiento de objetos, esta mejora permite reconocer objetos en tiempo real de 10 fotogramas por segundo o más dependiendo del tamaño del objeto. Tesis

El objetivo del estudio fue evaluar métodos no destructivos basados en la medición de color en cinco grados de madurez (100% verde (M1), 10% a 30% de madurez (M2), 40% a 60% de madurez (M3), 70% a 90% de madurez (M4) y 100% maduro (M5) de pimiento morrón mediante el uso de imágenes hyperespectrales en rango visible (Vis) desde 380 a 750 nm (37 bandas espectrales) e imágenes digitales (RGB) y su conversión al espacio de color CIELAB. Los pimientos fueron recolectados en diferentes grados de madurez desde el color verde hasta el rojo completamente, los parámetros de calidad de clorofila y carotenoides totales fue determinado mediante método espectofotometrico y su contenido fue correlacionado con los datos espectrales y de espacio de color CIELAB. El Indice espectral (CRI700) mostró una correlación positiva de 0,915 (p< 0,01) con respecto al contenido de carotenoides y una correlación negativa de -0,972 respecto al contenido de clorofila y la variable a* (verde – rojo) con el contenido de carotenoides mostró una correlación positiva de 0,949 (p < 0,01) y negativa de -0,968 con clorofila. Concluyendo que estos métodos permitirían analizar muestras intactas de pimiento morrón en distintos grados de madurez.

[EN] A crop monitoring system was developed for monitor organic fertilization status of tomato plants at early stages. An automatic and nondestructive approach was used to analyze tomato plants with different levels of water-soluble organic fertilizer (3+5 NK) and vermicompost. The evaluation system was composed by a multispectral camera with five lenses: green (550nm), red (660nm), red edge (735nm), near infrared (790nm) + 16MP RGB and a computational image processing system. The water-soluble fertilizer was applied weekly in four different treatments: (T0: 0 ml, T1: 6.25 ml, T2: 12.5 ml and T3: 25 ml) and the vermicompost was added in the 1st (T0: 0ml; T1: 75 ml; T2:150ml; T3: 300 ml) and in the 5th week (T0: 0ml; T1: 237,5 ml; T2:475ml; T3: 950 ml). The trial was conducted in a greenhouse and 192 images were taken with each lens. An plant segmentation algorithm was developed and several vegetation indexes were calculated: Normalized Difference Vegetation Index (NDVI), Green Normalized Difference Vegetation Index (GNDVI), Red-Edge Normalized Difference Vegetation Index (RENDVI), Nonlinear Vegetation Index (NLI), Optimized Soil Adjusted Vegetation Index (OSAVI), Green Ratio Vegetation Index (GRVI), Simple Ratio (SR), Modified Simple Ratio (MSR), Structure Intensive Pigment Index 2 (SPI2) and Leaf Chlorophyll Index (LCI). Multiple morphological features were obtained through image processing and the results were compared between treatments using Tukey¿s HSD test with 1% of probability. The morphological features such as, Area, Filled Area, Convex Area, Perimeter, Major Axis Length, Minor Axis Length and Equivalent Diameter revealed to be feasible to distinguish between the control and the organic fertilized plants despite the vegetation indexes. The system was developed in order to be assembled in a precision organic fertilization robotic platform., [ES] Se ha desarrollado un sistema de monitoreo de cultivos para supervisar el estado nutricional de las plantas de tomate en las primeras etapas de desarrollo. Se utilizó un enfoque automático y no destructivo para analizar las plantas de tomate con diferentes niveles de fertilizante orgánico soluble en agua (3 + 5 NK) y humus de lombriz. El sistema de evaluación estaba compuesto por una cámara multiespectral con cinco lentes: verde (550nm), rojo (660nm), borde rojo (735nm), infrarrojo cercano (790nm) + 16MP RGB y un sistema de procesamiento de imágenes computacional. El fertilizante soluble se aplicó semanalmente en cuatro tratamientos diferentes: (T0: 0 ml, T1: 6.25 ml, T2: 12.5 ml y T3: 25 ml) y el vermicompost se añadió en la primera (T0: 0 ml; ml, T2: 150 ml, T3: 300 ml) y en la quinta semana (T0: 0 ml, T1: 237.5 ml, T2: 475 ml, T3: 950 ml). El ensayo se realizó en invernadero y se tomaron 192 imágenes con cada lente. Se desarrolló un algoritmo de segmentación y múltiples índices de vegetación fueron calculados: Índice de Vegetación de Diferencia Normalizada (NDVI), Índice de Vegetación de Diferencia Normalizada Verde (GNDVI), Índice de Vegetación de Diferencia Normalizada de Borde Rojo (RENDVI), Índice de Vegetación No Lineal (NLI), Índice de Vegetación Ajustado y Optimizado para el Suelo (OSAVI), Índice de Vegetación de Proporción Verde (GRVI), Proporción Simple (SR), Proporción Simple Modificada (MSR), Índice de Pigmento Intensivo de Estructura 2 (SPI2) e Índice de Clorofila de la Hoja (LCI). Adicionalmente al cálculo de índices, se obtuvieron múltiples características morfológicas a través del procesamiento de imágenes y los resultados se compararon entre los tratamientos utilizando la prueba HSD de Tukey con un 1% de probabilidad. Las características morfológicas tales como: Área, Área rellena, Área convexa, Perímetro, Longitud del eje mayor, Longitud del eje menor y Diámetro Equivalente se revelaron más útiles para distinguir entre el control y las plantas fertilizadas orgánicamente que los índices de vegetación. El sistema fue desarrollado para ser ensamblado en una plataforma robótica de fertilización orgánica de precisión.