Diseño e implementación de un prototipo que permita la identificación por tipo y tamaño de la naranjilla y del tomate de árbol mediante visión artificial.
El presente trabajo consistió en el diseño e implementación de un prototipo que permita la identificación por tipo y tamaño de la naranjilla y del tomate de árbol, para poder lograrlo se utilizó un sistema de visión artificial por computador basado en redes neuronales. El prototipo dispone de tres s...
সংরক্ষণ করুন:
| প্রধান লেখক: | |
|---|---|
| অন্যান্য লেখক: | |
| বিন্যাস: | bachelorThesis |
| ভাষা: | spa |
| প্রকাশিত: |
2022
|
| বিষয়গুলি: | |
| অনলাইন ব্যবহার করুন: | https://dspace.espoch.edu.ec/handle/123456789/21455 |
| ট্যাগগুলো: |
ট্যাগ যুক্ত করুন
কোনো ট্যাগ নেই, প্রথমজন হিসাবে ট্যাগ করুন!
|
ট্যাগ যুক্ত করুন | সংক্ষিপ্ত: | El presente trabajo consistió en el diseño e implementación de un prototipo que permita la identificación por tipo y tamaño de la naranjilla y del tomate de árbol, para poder lograrlo se utilizó un sistema de visión artificial por computador basado en redes neuronales. El prototipo dispone de tres sistemas: el sistema de adquisición de imágenes conformado por una cámara web e iluminación para la captura de datos; el sistema de visión artificial utiliza el método de procesamiento de imágenes para realizar la clasificación por tamaño y redes neuronales para la clasificación por tipo, finalmente el sistema mecánico está conformado por un sistema de almacenamiento y una banda transportadora. Para el entrenamiento de la Red Neuronal Artificial se utilizó el algoritmo convolucional que a través de la adquisición de imágenes entrena el identificador, se estableció tres categorías: tomate de árbol, naranjilla y fruta desconocida, cada una posee una base de datos. Los algoritmos de programación fueron desarrollados en Raspbian, con lenguaje de programación Python utilizando librerías de OpenCV y TensorFlow. La interfaz gráfica fue desarrollada mediante la biblioteca Tkinter, permitiendo al usuario controlar seis botones: iniciar cámara, tomar foto, cargar foto, tipo de fruta, tamaño de fruta, cerrar programa. En base a las pruebas realizadas, se establece que el sistema funciona de manera óptima con un 95% al detectar el tipo de fruta, el 93% para identificar el tamaño, el tiempo de respuesta oscila entre 0.3 y 1.3 segundos. Se concluye que el prototipo logra la identificación de los frutos por su tipo y tamaño con un margen de error mínimo. Se recomienda disminuir el tiempo de respuesta para la identificación mediante una tarjeta gráfica. |
|---|