Diseño, implementación y evaluación de técnicas de clasificación de naranjas naveles mediante técnicas de visión por computador

Abstract

[ES] El objetivo de este trabajo consiste en el diseño, implementación y evaluación de diferentes técnicas de clasificación de imágenes basadas en visión artificial con la finalidad de poder analizar la posible automatización del proceso de control de calidad de naranjas naveles en línea, durante el proceso de encajado en un almacén.

Se parte de un conjunto de datos etiquetados suministrado por el instituto de automática e informática industrial (ai2). Se trata de un dataset adquirido en un almacén en el que se dispone de un sistema de visión artificial que captura 5 imágenes por naranja navel durante el paso por railes que conducen a las naranjas a su encajado final. Cada secuencia de imágenes está etiquetada por su categoría.

Para el desarrollo del trabajo, se diseñarán técnicas de clasificación, por ejemplo: clasificador bayesiano, KNN, redes neuronales, etc. Estos métodos de clasificación se implementarán con lenguaje de programación Python y sus librerías Numpy, OpenCV, Pytorch, etc.

Para finalizar, se evaluarán los resultados obtenidos utilizando criterios como la tasa de acierto y coste computacional.

[EN] The objective of this project is the design, implementation and evaluation of different image classification techniques based on artificial vision in order to analyse the possible automation of the quality control process of navel oranges during the packing process in a storage.

The starting point is a labelled dataset supplied by the institute of automatics and industrial informatics (ai2). It is a dataset acquired in a storage with an artificial vision system that captures 5 images per navel orange during the passage along the rails that lead the oranges to their final packing. Each sequence of images is labelled by category.

For the development of the work, classification techniques will be designed, e.g., Bayesian classifier, KNN, neural networks, etc. these classification methods will be implemented with Python programming language and its libraries: Numpy, OpenCV, Pytorch, etc.

Finally, the results obtained will be evaluated using criteria such as hit rate and computational cost.