See

discussions, stats, and author profiles for this publication at:

http://www.researchgate.net/publication/238095132

DETECCIN Y CLASIFICACIN DE
DEFECTOS EN FRUTAS MEDIANTE
EL PROCESAMIENTO DIGITAL DE
IMGENES
ARTICLE JANUARY 2003

CITATION

READS

190

2 AUTHORS:
Leonairo Pencue-Fierro
Universidad del Cauca
11 PUBLICATIONS 1 CITATION
SEE PROFILE

Jauri Len Tllez

Autonomous University of Bucar
12 PUBLICATIONS 2 CITATIONS
SEE PROFILE

Available from: Jauri Len Tllez

Retrieved on: 24 October 2015

REVISTA COLOMBIANA DE FISICA, VOL. 35, No.1. 2003

DETECCIN Y CLASIFICACIN DE DEFECTOS EN FRUTAS MEDIANTE

EL PROCESAMIENTO DIGITAL DE IMGENES
Edgar Leonairo Pencue, Jaury Len-Tllez
Grupo de Optica Lser, Universidad del Cauca, Popayn, Colombia
leonairo@unicauca.edu.co
RESUMEN
Los sistemas de control de calidad en el mbito agroindustrial han tenido grandes
avances en la actualidad debido al advenimiento de las tcnicas del procesamiento
digital de imgenes. La actividad agroindustrial de nuestro entorno regional y nacional
hace pensar en la necesidad de implementar sistemas de visin artificial para la
clasificacin y control de calidad de frutas. La idea de este trabajo es presentar una
tcnica de metrologa no destructiva que permita proveer informac in valiosa del
producto. El sistema se basa en el anlisis realizado sobre las imgenes tomadas con
iluminacin y cmaras de operacin en el visible, analizando el aspecto externo de la
fruta y realizando la clasificacin de los defectos de acuerdo a parmetros de evaluacin
de control de calidad. Se presenta una descripcin del desarrollo y desempeo del
mtodo por visin artificial.
ABSTRACT
The quality control systems in agroindustrial scope have had great advances at the
present time due to the coming of techniques of the digital image processing. The
agroindustrial activity of our regional and national surroundings makes think about the
need to implement systems of computer vision for fruits quality classification and
control. The idea of this work is to show a technique of nondestructive metrology that
allows to provide valuable information of the product. The system is based on the
analysis made on the images taken with illumination and cameras of operation in the
visible spectrum, analyzing the external aspect of the fruit and making the defect
classification according to parameters of quality control evaluation. Finally, a
description of the development and performance of the computer vision method is
presented.
1. INTRODUCCIN
La deteccin y clasificacin de defectos en frutas mediante el procesamiento digital
de imgenes es un campo que ofrece grandes retos debidos a la variabilidad en formas,
tamaos, colores y texturas que estas ofrecen. En este trabajo se presenta la
implementacin de un sistema de anlisis digital de imgenes en el que las principales
caractersticas extradas de las frutas son derivadas del anlisis de las superficies tanto
en su contenido cromtico como en la cantidad y distribucin de defectos externos.
2. ANLISIS DIGITAL DE IMGENES EN FRUTAS
En la deteccin y clasificacin de defectos en frutas mediante el procesamiento
digital de imgenes es un campo que ofrece grandes retos. De hecho, en este caso, el
diseo de sistemas automatizados es ms difcil de lo normal, ya que usualmente las
frutas se distribuyen como objetos 3D irregulares, con una forma y tamao aleatorios,
obtenindose imgenes que no se pueden manipular con la ayuda de tcnicas
148

REVISTA COLOMBIANA DE FISICA, VOL. 35, No. 1, 2003

tradicionales basadas, por ejemplo, en segmentacin, comparacin de plantillas o

modelamiento rgido [1,2,3]. Los primeros intentos de aplicacin son
sobresimplificados, por lo que cubren solamente un pequeo nmero de aplicaciones
debido a que, en la mayora de los casos, el proceso de inspeccin es mucho ms
complejo que la simple umbralizacin de algunas caractersticas. Por otra parte, la
importancia de color en la inspeccin de frutas es obvia. Las medidas de las propiedades
de muchos de los defectos en las frutas muestran que algunos de estos tienen
propiedades de color caractersticas y, por medio de estas, se consigue valiosa
informacin para la deteccin y la clasificacin. Las diferencias ms importantes en los
de defectos de las frutas yacen en el rango visible y en las regiones cercanas a este. El
infrarrojo cercano es importante para algunos tipos de defectos y el ultravioleta permite
detectar daos subsuperficiales [4,5]. As mismo, es importante tener en cuenta un tipo
de iluminacin suficientemente constante para que permita un buen desempeo del
sistema.

Figura 1. Algoritmo general utilizado en la deteccin de defectos

En la metodologa del anlisis digital de imgenes se han establecidos algunos
algoritmos estndar, que combinados con el reconocimiento de patrones conforman las
tecnologas enmarcadas dentro de lo que se conoce como visin artificial, el algoritmo
utilizado en este trabajo se muestra en la figura 1, se probaron varios algoritmos pero
este demostr arrojar los mejores resultados, como se mostrar adelante.
3. Implementacin
Se totalizaron 165 frutos para la realizacin de las operaciones de entrenamiento y
validacin del sistema. Se tuvo en cuenta la norma NTC4086 del ICONTEC, que est
de acuerdo con la calidad visual que busca un consumidor a la hora de la eleccin de los
ctricos. Los tipos de daos presentes fueron principalmente: cicatrices externas
rozaduras, manchas en la piel (debidas a la oleocelosis y a otros agentes), lesiones
oscuras, podredumbres, y clareta (surcos o estras) y. De acuerdo al contenido de daos
el conjunto se dividi en 5 clases en la que la Clase Extra representa los frutos sin
149

REVISTA COLOMBIANA DE FISICA, VOL. 35, No.1. 2003

defectos y con un buen estado en su madurez, forma y tamao, pasando por las clases I,
II y III en las que la calidad se va degradando hasta obtener la clase IV, la fruta de
desecho.
La adquisicin de las imgenes se realiz mediante una cmara CCD JVC modelo
TK-C1380 a color. La fruta escogida para el anlisis es la naranja Valencia. Estas se
colocan en un cmara de iluminacin blanca y difusa. La imagenes se digitalizan con
una tarjeta Matrox Meteor II/Std y se procesan en una estacin Leica Q550IW. El
software para adquisicin, procesamiento y anlisis de imgenes es el Qwin/Quips.

Figura 2. Resultados obtenido para la deteccin y cuantificacin de defectos

Figura 3. Otros resultados o btenidos para la deteccin de defectos

Se tomaron imgenes frutas cuya corteza presentara un amplio abanico de de clases
tanto aceptables como defectuosas. La imagen de la fruta, de 432x432 pixeles, es
detectada mediante un operador de umbralizacin y se ecualiza el histograma para
mejorar el contraste. A continuacin se obtiene el equivalente HSI de la imagen RGB
recibida. Se aplicaron las estadsticas y los filtros para obtener las caractersticas que se
entregaron una red neuronal tipo perceptrn multicapa entrenada mediante el algoritmo
de retropropagacin, que se encarga de realizar la clasificacin.
4. RESULTADOS Y DISCUSIN
Para el entrenamiento de la red neuronal se utiliz un conjunto de frutas de todos los
tipos posibles, el conjunto de prueba es disyunto con el fin de obtener resultados
150

REVISTA COLOMBIANA DE FISICA, VOL. 35, No. 1, 2003

suficientemente ajustados al comportamiento real del sistema. Las figuras 2 y 3

presentan ejemplos de los resultados obtenidos para la deteccin y cuantificacin de los
defectos en las naranjas. En la tabla 1 se muestra los resultados obtenidos para la
totalidad del conjunto de validacin. el algoritmo oper de manera muy eficaz para la
deteccin y clasificacin de los defectos de las naranjas

Etiquetado
de la fruta

Tabla 1. Matriz de confusin para los resultados con el conjunto de prueba

Resultado del Reconocimiento

Extra
I
II
III
IV

Extra

II

23
1
0
0
0

1
33
1
0
0

1
2
25

III

0
0
0
20
1
0
% Acierto Total

IV
0
1
0
1
10

% de
acier
to
92.0
89.2
96.2
95.2
90.9
92.5

5. CONCLUSIONES
Se ha demostrado que es factible de desarrollar este tipo de sistemas con aplicaciones
relativas a las necesidades regionales y que, en una primera aproximacin como sta, se
pueden alcanzar niveles de efectividad superiores al 90%. No obstante, aunque en una
fruta se pueden realizar mltiples mediciones para la determinacin de su calidad, no es
posible determinar todos los parmetros por medio de inspeccin visual, como el aroma,
la textura de la pulpa, la dureza y el contenido de defectos internos y de azcares, por lo
que un trabajo como este representa una solucin importante por no representa la
solucin completa.
REFERENCIAS
[1]. Dimbarean, A., Whelan, P. Experiments in color texture analysis. Pattern
Recognition Letters. V. 22. Elsevier Science. 2001.
[2]. Nilson, N. (2001). I.A. Una nueva sntesis. McGraw-Hill. Espaa.
[3]. Pencue, L., Len, J. Implementacin de un sistema de visin artificial para la
clasificacin y el control de calidad de frutas. Trabajo de Grado, Unicauca.
(2003).
[4]. Pencue, L., Len, J. (2002). Reconstruccin de imgenes obtenidas en condiciones
de iluminacin escasa mediante una cmara CCD de operacin en el rango visible
del espectro. VIII Encuentro Nacional de ptica, Popayn, Colombia.
[5]. Pencue, L., Len, J. (2002). Visin artificial para la deteccin defectos externos en
frutas mediante el anlisis de texturas en color. VIII Encuentro Nacional de ptica,
Popayn, Colombia.

151