Sistema de clasificación de granos de cacao frescos basados en visión computacional

Oña Oña, Angel Jefferson

2020-01-16

Oña Oña, A. J. (2020). Sistema de clasificación de granos de cacao frescos basados en visión computacional. 66 hojas. Quito : EPN.
T-IE/4999/CD 10179

Descargar documento

En Ecuador, los agricultores de las pequeñas fincas productoras de cacao realizan la clasificación de los granos de cacao frescos con pulpa de una manera artesanal, es decir, a través de sus sentidos. Además, ellos no utilizan ningún tipo de tecnología que acelere su producción. El objetivo de este proyecto es proponer un enfoque de clasificación de los granos de cacao frescos basados en visión computacional para los agricultores, el cual será muy útil en el proceso de remoción de la pulpa de los granos de cacao, permitiéndoles estimar eficientemente la calidad de estos granos. Para tal propósito, se describe una metodología para clasificar los granos de cacao utilizando el método k-means clustering y operaciones morfológicas para remover el fondo de las imágenes, luego se empleó un enfoque de Bolsa de Palabras Visuales (Bag of Visual Words) como extractor de características y finalmente se clasificó estas características utilizando un clasificador de Máquinas de Vectores de Soporte (Support Vector Machine) con validación cruzada (k-fold cross-validation). Como resultado, se alcanzó un gran rendimiento del clasificador SVM con la función de núcleo lineal manteniendo una tasa baja de falsos positivos, lo que demostró la factibilidad de usar visión computacional para este trabajo.

In Ecuador, farmers from small cocoa farms perform the classification of fresh cocoa beans with pulp in a traditional way, i.e., through their senses. In addition, they do not use any kind of technology that makes their production faster. The objective of this project is to propose a fresh cocoa beans classification approach based on computer vision for farmers, which will be very helpful in the process of removing cocoa beans pulp allowing them to estimate efficiently the quality of these beans. For this purpose, we describe a methodology to classify cocoa beans by using the k-means clustering method and morphological operations to remove the background of the images, then we use a Bag of Visual Words (BoVW) approach as feature extractor and finally we classify these features using a Support Vector Machine (SVM) classifier with k-fold cross-validation. As a result, we achieved a great performance of the SVM classifier with linear kernel function by keeping a low false positive rate, which demonstrated the viability of using computer vision for this task.

Grijalva Arévalo, Felipe Leonel, director

VISIÓN COMPUTACIONAL; TECNOLOGÍA; INTERNET;