Sistema de clasificación de madurez de racimos de palma aceitera africana (Elaeis guineensis Jaq.) a partir de visión de máquina en un cultivo en Maní, Casanare

Este proyecto se realizó con el fin de desarrollar un sistema de clasificación del estado de madurez de los racimos de fruto de la palma de aceite africana (Elaeis Guineensis) empleando un algoritmo de visión de máquina en videos capturados en campo por medio de un sistema monocular en el cultivo La Esperanza en el municipio de Maní, Casanare. Se contemplaron 4 etapas para el desarrollo del proyecto: adquisición de imágenes y videos, extracción y selección de características, desarrollo e implementación del algoritmo de clasificación y evaluación del algoritmo. Con las imágenes obtenidas se realizó la clasificación del sistema monocular, constituyendo así un dataset de imágenes de racimos de fruto de palma en diferentes estados de madurez, que luego mediante análisis cualitativos realizados en diferentes espacios de color y análisis estadísticos, permitió seleccionar aquellas características que permitieran determinar el estado de madurez del fruto. El algoritmo de clasificación desarrollado e implementado se basó en una red neuronal de 4 etapas con 4 características; el cual fue entrenado con 30 racimos de palma, 10 por cada estado de maduración. Luego de la fase de validación del algoritmo se concluyó que el sistema hace una clasificación muy efectiva para el estado “sobre maduro”. Para los estados “inmaduro” y “maduro”, lo cuales tienen características morfológicas similares y a pesar de tener características colorimétricas con variaciones notables, estas no son apreciables con cámaras comerciales ya que se afecta por factores ambientales; con lo cual se concluye que el método permite hacer una clasificación de racimos de palma de aceite africana por estados de madurez mediante características colorimétricas y morfológicas en imagen 2D.

Bioingeniero

Pregrado

This project was carried out in order to develop a system for classifying the ripeness of the fruit clusters of the African oil palm (Elaeis Guineensis) using a machine vision algorithm in videos captured in the field by means of a monocular system at the La Esperanza farm in the municipality of Maní, Casanare. Four stages were contemplated for the development of the project: acquisition of images and videos, extraction and selection of characteristics, development and implementation of the classification algorithm and evaluation of the algorithm. With the images obtained, the classification of the monocular system was carried out, thus constituting a dataset of images of palm fruit clusters in different stages of maturity, which later, through qualitative analysis carried out in different color spaces and statistical analysis, allowed to select those characteristics that allowed to determine the state of maturity of the fruit. The classification algorithm developed and implemented was based on a 4-stage neural network with 4 characteristics; which was trained with 30 bunches of palm, 10 for each stage of maturation. After the validation phase of the algorithm, it was concluded that the system makes a very effective classification for the "over mature" state. For the "immature" and "mature" states, which have similar morphological characteristics and despite having colorimetric characteristics with notable variations, these are not appreciable with commercial cameras since it is affected by environmental factors; With which it is concluded that the method allows making a classification of African oil palm clusters by maturity stages using colorimetric and morphological characteristics in 2D image.