Clasificación automática de Limón Sutil peruano (citrus aurantifolia) usando máquinas de vectores de soporte

Autores
Alcarazo Ibáñez, Freddy; Tuesta Monteza, Victor; Mejía- Cabrera, Heber Iván; Callejas, Juan Carlos; Yera Toledo, Raciel
Año de publicación
2020
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Fil: Alcarazo Ibáñez, Freddy. Universidad Señor de Sipán; Perú.
Fil: Tuesta Monteza, Victor. Universidad Señor de Sipán; Perú.
Fil: Mejía Cabrera, Heber Iván. Universidad Señor de Sipán; Perú.
Fil: Callejas, Juan Carlos. Universidad Señor de Sipán; Perú.
Fil: Yera Toledo, Raciel . Universidad de Ciego de Avila; Cuba.
La clasificación manual de frutas es un proceso que requiere de personal experto y es propenso al error humano. Reviste entonces vital importancia la automatización del mismo utilizando herramientas computacionales. En esta investigación se propuso un marco de trabajo basado en la aplicación de técnicas de Pre Procesamiento de Imágenes y de Visión Artificial para clasificar de manera automática frutos del Limón Sutil Peruano (Citrus Aurantifolia) por color. Se presenta un prototipo de clasificación soportado por una plataforma de hardware para extraer las características de Momentos de Color de las imágenes de Citrus Aurantifolia con vistas a entrenar las técnicas de clasificación de Máquina de Vectores de Soporte (SVM) y K-Vecinos más Cercanos (KNN). Los resultados arrojaron que utilizando el Momento de Color de la media del canal R (rojo), SVM obtuvo una precisión del 98%. Al convertir las imágenes al espacio de color CIELAB utilizando las coordenadas a* y b* la precisión obtenida por las técnicas SVM y K-NN fue del 100%.
The manual classification of fruits is a process that requires expert knowledge and is prone to human error. Therefore, the automation of such process through the use of computational tools is of high importance. This research proposes a framework based on the application of image pre-processing techniques and artificial vision for automatically classifying Citrus Aurantifolia fruits through their colors. A classification prototype is presented which is supported by a hardware platform to extract the Color Moments features from the Citrus Aurantifolia images, so as to train the Support Vector Machine (SVM) and K-nearest neighbors (KNN) classification techniques. Results conclude that using the Color Moment related to the mean of the R channel, SVM reaches a precision of 98%. When images were converted into the CIELAB color space, the use of the coordinates a* and b* leads to a precision of 100% using the classifiers SVM and KNN.
Fuente
Revista de Ciencia y Tecnología (Misiones), 11-2020; 34(1): pp. 67-76 https://www.fceqyn.unam.edu.ar/recyt/index.php/recyt
Materia
Clasificación automática
Limón Sutil peruano
Máquinas de vectores de soporte
K-Vecinos más cercanos
Pre-procesamiento de imágenes
Automatic classification
Subtle peruvian lemon
Support vector machine
K-Nearest neighbors
Image pre-processing
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Atribución-NoComercial-CompartirIgual 4.0 Internacional
Repositorio
Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM)
Institución
Universidad Nacional de Misiones
OAI Identificador
oai:rid.unam.edu.ar:20.500.12219/2855

id RIDUNaM_d69ad6907d973970dbf2f944659c0b65
oai_identifier_str oai:rid.unam.edu.ar:20.500.12219/2855
network_acronym_str RIDUNaM
repository_id_str
network_name_str Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM)
spelling Clasificación automática de Limón Sutil peruano (citrus aurantifolia) usando máquinas de vectores de soporteAutomatic sorting of peruvian Subtle Lemon (citrus aurantifolia) using support vector machinesAlcarazo Ibáñez, FreddyTuesta Monteza, VictorMejía- Cabrera, Heber IvánCallejas, Juan CarlosYera Toledo, RacielClasificación automáticaLimón Sutil peruanoMáquinas de vectores de soporteK-Vecinos más cercanosPre-procesamiento de imágenesAutomatic classificationSubtle peruvian lemonSupport vector machineK-Nearest neighborsImage pre-processingFil: Alcarazo Ibáñez, Freddy. Universidad Señor de Sipán; Perú.Fil: Tuesta Monteza, Victor. Universidad Señor de Sipán; Perú.Fil: Mejía Cabrera, Heber Iván. Universidad Señor de Sipán; Perú.Fil: Callejas, Juan Carlos. Universidad Señor de Sipán; Perú.Fil: Yera Toledo, Raciel . Universidad de Ciego de Avila; Cuba.La clasificación manual de frutas es un proceso que requiere de personal experto y es propenso al error humano. Reviste entonces vital importancia la automatización del mismo utilizando herramientas computacionales. En esta investigación se propuso un marco de trabajo basado en la aplicación de técnicas de Pre Procesamiento de Imágenes y de Visión Artificial para clasificar de manera automática frutos del Limón Sutil Peruano (Citrus Aurantifolia) por color. Se presenta un prototipo de clasificación soportado por una plataforma de hardware para extraer las características de Momentos de Color de las imágenes de Citrus Aurantifolia con vistas a entrenar las técnicas de clasificación de Máquina de Vectores de Soporte (SVM) y K-Vecinos más Cercanos (KNN). Los resultados arrojaron que utilizando el Momento de Color de la media del canal R (rojo), SVM obtuvo una precisión del 98%. Al convertir las imágenes al espacio de color CIELAB utilizando las coordenadas a* y b* la precisión obtenida por las técnicas SVM y K-NN fue del 100%.The manual classification of fruits is a process that requires expert knowledge and is prone to human error. Therefore, the automation of such process through the use of computational tools is of high importance. This research proposes a framework based on the application of image pre-processing techniques and artificial vision for automatically classifying Citrus Aurantifolia fruits through their colors. A classification prototype is presented which is supported by a hardware platform to extract the Color Moments features from the Citrus Aurantifolia images, so as to train the Support Vector Machine (SVM) and K-nearest neighbors (KNN) classification techniques. Results conclude that using the Color Moment related to the mean of the R channel, SVM reaches a precision of 98%. When images were converted into the CIELAB color space, the use of the coordinates a* and b* leads to a precision of 100% using the classifiers SVM and KNN.Universidad Nacional de Misiones. Facultad de Ciencias Exactas, Químicas y Naturales. Secretaria de Investigación y Posgrado2020-11-27info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttps://hdl.handle.net/20.500.12219/2855https://doi.org/10.36995/j.recyt.2020.34.009https://www.fceqyn.unam.edu.ar/recyt/index.php/recyt/article/view/647Revista de Ciencia y Tecnología (Misiones), 11-2020; 34(1): pp. 67-76 https://www.fceqyn.unam.edu.ar/recyt/index.php/recytreponame:Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM)instname:Universidad Nacional de Misionesspainfo:eu-repo/semantics/openAccessAtribución-NoComercial-CompartirIgual 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-sa/4.0/2025-09-29T15:02:02Zoai:rid.unam.edu.ar:20.500.12219/2855instacron:UNAMInstitucionalhttps://rid.unam.edu.ar/Universidad públicahttps://www.unam.edu.ar/https://rid.unam.edu.ar/oai/rsnrdArgentinaopendoar:2025-09-29 15:02:02.449Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM) - Universidad Nacional de Misionesfalse
dc.title.none.fl_str_mv Clasificación automática de Limón Sutil peruano (citrus aurantifolia) usando máquinas de vectores de soporte
Automatic sorting of peruvian Subtle Lemon (citrus aurantifolia) using support vector machines
title Clasificación automática de Limón Sutil peruano (citrus aurantifolia) usando máquinas de vectores de soporte
spellingShingle Clasificación automática de Limón Sutil peruano (citrus aurantifolia) usando máquinas de vectores de soporte
Alcarazo Ibáñez, Freddy
Clasificación automática
Limón Sutil peruano
Máquinas de vectores de soporte
K-Vecinos más cercanos
Pre-procesamiento de imágenes
Automatic classification
Subtle peruvian lemon
Support vector machine
K-Nearest neighbors
Image pre-processing
title_short Clasificación automática de Limón Sutil peruano (citrus aurantifolia) usando máquinas de vectores de soporte
title_full Clasificación automática de Limón Sutil peruano (citrus aurantifolia) usando máquinas de vectores de soporte
title_fullStr Clasificación automática de Limón Sutil peruano (citrus aurantifolia) usando máquinas de vectores de soporte
title_full_unstemmed Clasificación automática de Limón Sutil peruano (citrus aurantifolia) usando máquinas de vectores de soporte
title_sort Clasificación automática de Limón Sutil peruano (citrus aurantifolia) usando máquinas de vectores de soporte
dc.creator.none.fl_str_mv Alcarazo Ibáñez, Freddy
Tuesta Monteza, Victor
Mejía- Cabrera, Heber Iván
Callejas, Juan Carlos
Yera Toledo, Raciel
author Alcarazo Ibáñez, Freddy
author_facet Alcarazo Ibáñez, Freddy
Tuesta Monteza, Victor
Mejía- Cabrera, Heber Iván
Callejas, Juan Carlos
Yera Toledo, Raciel
author_role author
author2 Tuesta Monteza, Victor
Mejía- Cabrera, Heber Iván
Callejas, Juan Carlos
Yera Toledo, Raciel
author2_role author
author
author
author
dc.subject.none.fl_str_mv Clasificación automática
Limón Sutil peruano
Máquinas de vectores de soporte
K-Vecinos más cercanos
Pre-procesamiento de imágenes
Automatic classification
Subtle peruvian lemon
Support vector machine
K-Nearest neighbors
Image pre-processing
topic Clasificación automática
Limón Sutil peruano
Máquinas de vectores de soporte
K-Vecinos más cercanos
Pre-procesamiento de imágenes
Automatic classification
Subtle peruvian lemon
Support vector machine
K-Nearest neighbors
Image pre-processing
dc.description.none.fl_txt_mv Fil: Alcarazo Ibáñez, Freddy. Universidad Señor de Sipán; Perú.
Fil: Tuesta Monteza, Victor. Universidad Señor de Sipán; Perú.
Fil: Mejía Cabrera, Heber Iván. Universidad Señor de Sipán; Perú.
Fil: Callejas, Juan Carlos. Universidad Señor de Sipán; Perú.
Fil: Yera Toledo, Raciel . Universidad de Ciego de Avila; Cuba.
La clasificación manual de frutas es un proceso que requiere de personal experto y es propenso al error humano. Reviste entonces vital importancia la automatización del mismo utilizando herramientas computacionales. En esta investigación se propuso un marco de trabajo basado en la aplicación de técnicas de Pre Procesamiento de Imágenes y de Visión Artificial para clasificar de manera automática frutos del Limón Sutil Peruano (Citrus Aurantifolia) por color. Se presenta un prototipo de clasificación soportado por una plataforma de hardware para extraer las características de Momentos de Color de las imágenes de Citrus Aurantifolia con vistas a entrenar las técnicas de clasificación de Máquina de Vectores de Soporte (SVM) y K-Vecinos más Cercanos (KNN). Los resultados arrojaron que utilizando el Momento de Color de la media del canal R (rojo), SVM obtuvo una precisión del 98%. Al convertir las imágenes al espacio de color CIELAB utilizando las coordenadas a* y b* la precisión obtenida por las técnicas SVM y K-NN fue del 100%.
The manual classification of fruits is a process that requires expert knowledge and is prone to human error. Therefore, the automation of such process through the use of computational tools is of high importance. This research proposes a framework based on the application of image pre-processing techniques and artificial vision for automatically classifying Citrus Aurantifolia fruits through their colors. A classification prototype is presented which is supported by a hardware platform to extract the Color Moments features from the Citrus Aurantifolia images, so as to train the Support Vector Machine (SVM) and K-nearest neighbors (KNN) classification techniques. Results conclude that using the Color Moment related to the mean of the R channel, SVM reaches a precision of 98%. When images were converted into the CIELAB color space, the use of the coordinates a* and b* leads to a precision of 100% using the classifiers SVM and KNN.
description Fil: Alcarazo Ibáñez, Freddy. Universidad Señor de Sipán; Perú.
publishDate 2020
dc.date.none.fl_str_mv 2020-11-27
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.12219/2855
https://doi.org/10.36995/j.recyt.2020.34.009
https://www.fceqyn.unam.edu.ar/recyt/index.php/recyt/article/view/647
url https://hdl.handle.net/20.500.12219/2855
https://doi.org/10.36995/j.recyt.2020.34.009
https://www.fceqyn.unam.edu.ar/recyt/index.php/recyt/article/view/647
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Atribución-NoComercial-CompartirIgual 4.0 Internacional
http://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv Atribución-NoComercial-CompartirIgual 4.0 Internacional
http://creativecommons.org/licenses/by-nc-sa/4.0/
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional de Misiones. Facultad de Ciencias Exactas, Químicas y Naturales. Secretaria de Investigación y Posgrado
publisher.none.fl_str_mv Universidad Nacional de Misiones. Facultad de Ciencias Exactas, Químicas y Naturales. Secretaria de Investigación y Posgrado
dc.source.none.fl_str_mv Revista de Ciencia y Tecnología (Misiones), 11-2020; 34(1): pp. 67-76 https://www.fceqyn.unam.edu.ar/recyt/index.php/recyt
reponame:Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM)
instname:Universidad Nacional de Misiones
reponame_str Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM)
collection Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM)
instname_str Universidad Nacional de Misiones
repository.name.fl_str_mv Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM) - Universidad Nacional de Misiones
repository.mail.fl_str_mv
_version_ 1844623279457828864
score 12.559606