Clasificación de aguacates basado en visión por Computador

Abstract

El aguacate es un fruto con exquisito sabor y textura, sus diversas aplicaciones y beneficios a la salud han incrementado su popularidad alrededor del mundo. La demanda de este fruto ha provocado el aumento en su producción y en exigencias de calidad; en Ecuador el aguacate que más se comercializa y consume es de la variedad Fuerte. El proceso de clasificación del aguacate se realiza a mano por personas calificadas. Tiende a ser monótono, repetitivo y propenso a errores debido al cansancio de los operarios. Como resultado se obtiene una baja aceptación del producto y pérdidas económicas al no brindar un buen fruto. Por otro lado, la visión por computador se ha vuelto muy importante en la automatización industrial por sus varias aplicaciones en Control de calidad y clasificación. El sector agroindustrial se beneficia del uso de técnicas de visión por ser rápidas, precisas y no invasivas. La aplicación de sistemas basados en visión sobre frutas, verduras y flores ha sido objeto de estudio a lo largo de los anos. Así, al automatizar el proceso de clasificación del aguacate con un desarrollo basado en visión artificial mejoraría el control de calidad del fruto entregado y disminuiría la carga laboral en trabajadores. El presente trabajo ofrece un algoritmo que permite clasificar aguacates del tipo Fuerte, el cual consta de la adquisición de imagen, preprocesamiento de imagen, análisis de tamaño en pixeles, análisis de color en rojo, verde y azul (RGB), análisis de color en luminosidad, contenido de rojo a verde y contenido de amarillo a azul (L*a*b*), análisis de color en defectos y clasificación. La aplicación del algoritmo comienza en la adquisición de imágenes en una escena de pruebas que se encuentra en un ambiente cerrado con una webcam genérica con iluminación fría y cálida en dirección lateral al objeto. La clasificación se realiza por tamaño y calidad mediante características de tamaño y color obtenidos de las imágenes del fruto. La calidad se evalúa según la presencia de defectos como daños mecánicos, lenticela, roce, roña, trips, antracnosis y deficiencia de nutrientes. Los defectos se identifican con los modelos de color RGB y L*a*b. El tamaño se consigue calculando el área en pixeles que posee el aguacate en la imagen. Los criterios de clasificación se basan en la norma NTE INEN 1755 para aguacates. Estos son clasificados en pequeño, mediano y grande según su tamaño, y por su calidad, en alta, media y baja. En el software MATLAB se prueba el algoritmo que resalta los defectos más comunes y se calcula el área en pixeles de 231 aguacates de diferente tamaño y calidad. La clasificación por tamaño tiene un total de coincidencias de 215 aguacates, con una eficiencia de 93,1%, y la clasificación por calidad tiene una eficiencia del 76,19% con 176 aguacates coincidentes.