En resumen, el documento describe el diseño de un sistema de visión artificial para evaluar la calidad de las mandarinas utilizando algoritmos de procesamiento de imágenes y aprendizaje automático. Este sistema analizaría atributos como el tamaño, forma, color y defectos de las mandarinas en las imágenes capturadas para clasificarlas automáticamente según su calidad en tiempo real.

1. FACULTAD DE INGENIERÍA DE SISTEMAS E
INFORMÁTICA
CURSO:PROCESAMIENTO DE IMAGENES
Tema:
"Diseño de un sistema mediante visión artificial para
evaluar la calidad de las mandarinas"
Expositores: -Manuel Cardozo Panduro

2. Autor: Antony Elmer Gamonal Chanco
para optar el Título Profesional de Ingeniero Mecatrónico
Descripción del problema
Actualmente en el sector agrícola, en las empresas micros, pequeñas y medianas.
existe la deficiencia en la clasificación de los frutos cítricos para el consumidor nacional, el
problema es que la clasificación se realiza de modo manual, esto depende de un factor
importante que es la visión humana, debido que hay detalles que son demasiados pequeños
para ser detectados por la capacidad limitada del ojo humano y hace que el proceso no
obtenga confiabilidad y además se presentan problemas de clasificación de los frutos por no
tener un criterio estandarizado
La calidad de los cítricos depende del atributo de madurez y apariencia, en ambos factores
son muy importante para el consumidor.
En caso de la mandarina, es un cítrico a nivel de exportación a pesar del crecimiento de la
producción de la mandarina a nivel nacional, aún las empresas micro, pequeñas y medianas
no aplican una normativa técnica para determinar la calidad de las mandarinas.

4. “El Diseño de un sistema mediante visión artificial para evaluar la
calidad de las mandarinas" se basa en un algoritmo que pueda
categorizar mandarinas según sus atributos tamaño, forma, color
y posibles defectos o daños externos.

5. Este sistema de visión artificial utiliza tecnologías de procesamiento de
imágenes y aprendizaje automático para analizar y clasificar en función
de su calidad en tiempo real a través de una cámara web.
las características de este algoritmo esta basado NTP 011.023:2014
esto nos proporciona resultados numéricos y gráficos de cada atributo
de las mandarinas, donde incluye el diseño de la estructura para la
captura de imágenes, iluminación y una interfaz de comunicación y
gráfica generada en MATLAB y Arduino para obtener resultados

6. DATOS IMPORTANTES
Las NTP se verificarán por medio de evaluaciones físicas y sensoriales
el 09 de octubre de 2014 fue oficializada como NTP 011.023:2014 CÍTRICOS. Mandarinas,
tangelos, naranjas y toronjas.
La presente NTP 011.023:2014, reemplaza a la 011.023:2006 Con el mismo nombre
Estos datos, ha sido estructurada de acuerdo a las Guías Peruanas GP 001:1995 y GP
002:1995
El Organismo Peruano de Normalización posee, en todo momento, la información de las
Normas Técnicas Peruanas en vigencia
Se recomienda utilizar la NTP-ISO 6658, o la -ISO 4121

7. NTP
se aplican las siguientes definiciones:
- acidez: Referida a acidez titulable, es el contenido de ácidos orgánicos presentes en el zumo, expresados como
porcentaje de ácido cítrico
- albedo: Cara interna de la piel de los frutos, de color blanco y estructura esponjosa
- Brix: Unidad de medida que expresa el contenido total de sólidos solubles del zumo (azúcares en su mayoría).
- bufado: Desprendimiento interno de la cáscara, sin que ésta se rompa, que se manifiesta con la pérdida de firmeza.
- color: Referido al color externo de los cítricos.
- creasing o clareta: Hendiduras o surcos en la piel como consecuencia de grietas y roturas del albedo
- daños y defectos: Cualquier característica que desmerezca la apariencia de la fruta (véase Anexo B).
- deformada: Fruta que no presenta la forma típica de la variedad y que afecta su presentación.
- diámetro: Es la dimensión mayor medida en ángulo recto al eje del pedúnculo, referido al diámetro ecuatorial del fruto
- firme: Quiere decir que la fruta no está blanda ni apreciablemente marchita o fofa.
- frutos sin semilla: Cuando el promedio no excede de 3 semillas por fruta, y no más del 20 % de la muestra tiene más de
5 semillas por fruta
- frutos con semilla: Cuando más del 20 % de la muestra tiene más de 5 semillas por fruta o en promedio exceda de 3
semillas por fruta.
- granulación: Gelificación del jugo de las vesículas de la pulpa.
- índice de madurez: Relación o cociente entre Nº Brix y la acidez del zumo.
- oleocelosis: Manchas superficiales producidas por la acción del aceite liberado por las glándulas oleosas de la superficie
del fruto cuya apariencia va desde una decoloración de la cáscara, pasando por un verde oliváceo hasta pardo

8. Pasos clave para el diseño del sistema
01- Adquisición de imágenes: Se capturan imágenes de alta resolución de las mandarinas
desde múltiples ángulos utilizando cámaras especializadas en
visión artificial.
Estas imágenes sirven como datos de entrada para el sistema.
02- Preprocesamiento de imágenes: Las imágenes capturadas se someten a técnicas de
preprocesamiento, como corrección de iluminación,
eliminación de ruido y realce de bordes, para mejorar
la calidad y consistencia de los datos.
03-Extracción de características: Se extraen características relevantes de las imágenes, como
color, forma, tamaño y textura de las mandarinas. Estas
características se utilizan para entrenar modelos de
aprendizaje automático y tomar decisiones sobre la calidad.

9. 04- Entrenamiento del modelo: Se utilizan algoritmos de aprendizaje automático,
como redes neuronales convolucionales (CNN) o
algoritmos de clasificación, para entrenar el
modelo en un conjunto de datos etiquetados.
Las etiquetas indican la calidad de las mandarinas en las imágenes de
entrenamiento.
05-Clasificación de calidad: Una vez entrenado, el modelo puede clasificar
automáticamente nuevas imágenes de mandarinas en
diferentes categorías de calidad, como "excelente",
"buena" y "defectuosa".
Esto se logra al asignar una etiqueta de calidad a cada imagen basada en las
características extraídas y el patrón aprendido durante el entrenamiento.

10. 06-Retroalimentación y mejora: El sistema puede incluir un mecanismo de retroalimentación
en tiempo real.
Si el sistema comete errores, se pueden proporcionar
correcciones manuales y el modelo puede actualizarse para
mejorar su precisión con el tiempo.
07- Integración en línea de producción:
El sistema de visión artificial puede integrarse en la línea de producción, donde las
mandarinas son procesadas y empaquetadas.
Las mandarinas se inspeccionan y clasifican automáticamente antes de continuar con el
proceso de empaquetado.

11. Es una función bidimensional f (x, y) donde x y y son coordenadas en el plano y la amplitud f es llamado intensidad o nivel de
gris en ese punto. Cuando (x, y) y f son todos finitos (cantidades discretas) llamamos a la función como imagen digital, Es
decir, una imagen digital estará compuesta por un número finito de elementos llamados pixeles, cada uno de los cuales con
un valor y una posición particular.

12. El presupuesto para desarrollar el sistema por visión artificial para determinar la
calidad de mandarinas tiene un costo de S/. 4,207.00
La elaboración del diseño de un sistema por
visión artificial para determinar la calidad de
mandarinas se desarrolló en 141 días,
considerando días hábiles, es decir de lunes a
viernes.

13. sistema por visión artificial aplicado en la industria

14. El PLC (Control Lógico Programable) Es una computadora industrial que usa la ingeniería para la automatización de procesos y
tiene como finalidad, Desarrollar efectivamente todos los sistemas que la componen
debido a sus siglas en inglés) es básicamente una computadora que se utiliza en la ingeniería de automatización para las
industrias, es decir, para el control de la maquinaria de una fábrica o de situaciones mecánicas.
características de los PLC
• Controlan las entradas y salidas de manera segura
• Poseen una programación compatible con distintos lenguajes
• Interfaz amigable que facilita la comunicación con el usuario
• Conexión a sistemas de supervisión
• Ejecutan la programación de forma continuada
• Memorias divididas en dos partes
El conjunto de estos pasos permite diagnosticar las distintas señales dentro de un proceso, arrojando resultados compatibles
con la programación.

16. Etapas en el proceso de visión artificial
Estos procesos pueden ser subdivididos en seis áreas principales y están agrupados de
acuerdo a la complicación y delicadeza que lleva su implementación.
Consideramos tres niveles de procesamiento: visión de bajo, medio y alto nivel.
Etapas del procesamiento digital de imágenes.
• Métodos cuya entrada y salida son imágenes
• Proceso del PDI Nivel de Visión
• Captura/Adquisición
• Pre procesamiento Bajo
• Segmentación
• Descripción Medio
• Reconocimiento
• Interpretación Alto
Los métodos y/o procesos del procesamiento
digital de imágenes se agrupa en dos
categorías

19. La segmentación de imágenes es el proceso de dividir una imagen en partes
o regiones descripción, reconocimiento e interpretación

20. Este sistema puede categorizar las mandarinas en diferentes categorías según
sus atributos.

28. En resumen, un sistema de visión artificial para evaluar la calidad de
mandarinas es una solución automatizada que utiliza tecnologías de
procesamiento de imágenes y aprendizaje automático para inspeccionar y
clasificar las mandarinas según su calidad. Esto tiene el potencial de mejorar
la eficiencia y la precisión en la industria de la producción de frutas al reducir
la necesidad de inspección manual.