Clasificador de imágenes de frutas basado en inteligencia artificial

Abstract

ResumenLas aplicaciones de visión artificial y el análisis de imágenes son capaces de resolver varios problemas del sector industrial, científico o de seguridad en la actualidad. La clasificación de imágenes es muy útil en la automatización de procesos en una empresa. Para realizar una tarea de clasificación de imágenes se requiere hacer la extracción de características que identifiquen a cada tipo de imagen como por ejemplo: color, forma, textura. En el presente trabajo se requiere implementan los algoritmos para la construcción de un clasificador de imágenes de frutas basado en la extracción de las características del color de las imágenes en determinadas regiones de interés. Para el desarrollo del clasificador de imágenes de frutas se utiliza la técnica de extracción del histograma a color en tres dimensiones y con la implementación de algoritmos de inteligencia artificial se efectúa la clasificación automática de imágenes. El conjunto de datos utilizado consiste en: cuatro clases de frutas con el número variable de imágenes por cada clase, luego se preparan las imágenes seleccionando las regiones de interés mediante técnicas de enmascaramiento y se las divide en dos grupos de datos: Los datos de entrenamiento y los datos de prueba. Luego de entrenado el clasificador, se realizan pruebas de clasificación para evaluar la eficacia del clasificador de imágenes de frutas. Esta metodología de construcción e implementación del clasificador se puede usar en varias aplicaciones según las clases de imágenes de objetos a analizar en casos similares y automatizar procesos de clasificación y reconocimiento de objetos.Palabras clave: Color, clasificador, histograma, inteligencia artificial, imágenes, python, visión artificial. AbstractMachine vision and image analysis applications are nowadays capable of solving various problems in the industrial, scientific or safety sectors. Image classification is very useful for the automation of processes in a company. In order to perform an image classification task, the features identifying each kind of image, such as color, shape, and texture, must be extracted. In the present work, it is necessary to implement the algorithms for the construction of a fruit image classifier, based on image color features extraction in certain regions of interest. For developing the fruit image classifier, the threedimensional color histogram extraction technique is used, and with the implementation of artificial intelligence algorithms, image automatic classification is accomplished. The dataset used consists of: four fruit types with a varied number of images per class, then the images are prepared by selecting regions of interest through the use of masking techniques and they are then divided into two datasets: training data and test data. After the classifier is trained, classification tests are performed to evaluate the effectiveness of the fruit image classifier. This classifier implementation and construction methodology can be used in various applications, depending on the types of object i...

Estimación de áreas de cultivo mediante Deep Learning y programación convencional

“…En este sentido, es importante dilucidar la arquitectura con la que Real-ESRGAN trabaja. Utiliza una arquitectura que busca optimizar la estabilidad durante el entrenamiento, al mismo tiempo que trata de eliminar o mitigar el blur, el ruido, el re-dimensionamiento y la compresión [18], los cuales se generan como el resultado de una mala captura de las imágenes en el caso de fotografías, o por el trayecto que una imagen recorre cuando es cargada a la Web. Todo esto reduce la calidad de la imagen.…”

Prototipo telemático de visión artificial para el reconocimiento de características en personas y vehículos

“…In the plate case, it was found that the prototype can be highly adaptive since OCR not only recognizes the model of the plates that are handled as standard in Colombia, but also recognizes those parameterized in the system [1].…”

Método computacional auxiliar en el diagnóstico de cataratas a partir del análisis del color de la pupila

“…La segmentación consiste en definir una partición del espacio; en donde se extraen las características de la región de interés (ROI) y se elimina la información que no corresponde a la ROI, por último, se define la partición de la imagen [6].…”