Diseño de un sistema automático de selección de frutos de Café mediante Técnicas de Visión Artificial

Abstract

La visión artificial permite extraer características físicas de manera no invasiva, por lo cual es una opción viable para la inspección de alimentos. A través de ella se pueden determinar características del fruto de café, tales como el color, tono, textura y tamaño. Con esto en mente, en el presente trabajo de investigación se propone el desarrollo de un sistema de visión artificial para la detección del fruto de café apto para producción. Para lograr esta detección hay dos aspectos importantes a tener en cuenta, el color y la presencia de broca. La primera determina el estado de maduración del fruto de café, y la segunda es una plaga que ataca a las cosechas de este fruto, provocando danos en el interior del fruto. Esta plaga deja una evidencia de su presencia en el exterior del café, por lo tanto, es posible determinar si un fruto de café ha sido perjudicado por la broca. Teniendo en cuenta los aspectos de calidad del fruto de café mencionado en el párrafo anterior, se desarrolló un sistema de visión artificial capaz de determinar si un fruto de café se encuentra en estado de maduración, y además, determinar si este presenta broca. El algoritmo implementado para reconocer el estado de maduración del café consta de varias etapas: una base de conocimiento formada por un banco de imágenes de frutos de café maduro y no maduro; un sistema de adquisición de imágenes en un ambiente con iluminación controlada, una etapa de pre-procesado para limpiar impurezas y filtrar ruido en la imagen. Prosigue la segmentación para extraer el objeto de interés a analizar, luego una etapa de extracción de características de color, y por último, el proceso de reconocimiento e interpretación, el cual consta de un algoritmo de clasificación entrenado con el banco de imágenes mencionado previamente; el clasificador discrimina los frutos de café en maduros o no maduros. Debido a que la evidencia dejada por las brocas sobre el fruto de café es un pequeño orificio negro, el algoritmo de detección de brocas fue implementado para buscar zonas negras presentes en la imagen capturada, equivalentes a los orificios dejados por la broca. Esto es logrado a través de la binarización de la imagen original, utilizando un umbral de 30. Las zonas blancas que resten luego de la binarización son las brocas presentes en el café. Además del método de umbralización, una buena adecuación del sistema de captura de imágenes es requerida, con el objetivo de garantizar que los orificios hechos por las brocas (en caso de que estén presentes) sean las únicas zonas negras presentes en la captura. En base al resultado provisto por los dos algoritmos mencionados, es posible conocer si el fruto de café analizado es apto para producción. Además de los algoritmos de visión artificial, se diseñó un prototipo de un mecanismo que separara los frutos de café aptos para producción de los que no lo son. Dicho mecanismo se encuentra dentro del sistema de adquisición de imágenes con iluminación controlada, y consta de una banda que transporta los frutos de café para que las cámaras tomen capturas de ellos para ser analizados por los algoritmos de visión artificial. Además, al final del recorrido de la banda se encuentra un dispositivo mecánico, el cual se encarga de re-direccionar los frutos de café de acuerdo a la decisión tomada por los algoritmos, permitiendo almacenar en dos recipientes distintos los cafés buenos de los malos para producción.

Abstract:Machine vision allows extraction of physical characteristics in a non-intrusive demeanor, thus; it is a viable option for food inspection, being capable of extracting characteristics of the co ee fruit, as color, hue, texture and size. With this in mind, in this investigation work is proposed the development of a machine vision system whereby it can be detected whether a co ee fruit is suitable for production or not. In order to achieve this detection, two important aspects must be taken into account, the co ee fruit color and the presence of the "broca" (co ee berry borers). The rst determines the ripeness state of the co ffee fruit, and the second is a plague which attacks the co ee crops, thus leading to internal damages in the fruit. This plague leaves a trace of his presence in the exterior of the co ffee, therefore, is possible to determine if a co ee fruit has been spoiled by the "broca". Keeping in mind the aforementioned aspects regarding the quality of the co ee fruit, a machine vision system, composed of two algorithms capable of detecting the broca and the ripeness state in the fruit, was developed. The rst algorithm consists of several stages: a knowledge database, which has a bank of co ee-fruits images in ripe and unripe state; an image acquisition system with controlled lighting, a stage of preprocessing to clean up noise; next, the segmentation process to extract the object of study, then follows the color-characteristics extraction process, and nally, the classi er (trained with the knowledge database), which decides whether a co ee fruit is ripe or unripe. The second algorithm looks for the dark zones in the image, which are the holes made by the "broca" on the surface of the co ee fruit. By means of binarization, using a threshold of 30, these dark zones are detected and then covered with white; the remaining zones of the image are colored with black. The decision made by the two algorithms determines if the analysed co ee fruit is suitable for production. In addition to the machine vision algorithms, a mechanical device is needed in order to isolate the damaged co ee from the good one. The mechanism proposed in this document consists of a conveyor belt placed inside an image acquisition system with controlled lighting, where the co ee fruits are transported, and while they are on the belt, images of those co ees are taken by the cameras for the image processing. Moreover, at the end of the conveyor belt, there is a mechanism in charge to change the course of the co ee, according to the decision made by the computer vision algorithms, allowing to store the bad and the good co ee fruits in two di erent containers.