Determinación de color en el espacio CIELAB a partir de imágenes digitales
- Autores
- Goñi, Sandro Mauricio; Olivera, Daniela Flavia; Salvadori, Viviana Olga
- Año de publicación
- 2014
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- En este trabajo se evalúa la factibilidad de uso de un sistema de visión computacional para realizar mediciones de color de alimentos. El sistema de visión computacional está formado por una cámara digital y un ambiente de iluminación controlada. Generalmente la evaluación del color de alimentos se realiza usando colorímetros digitales, los cuales brindan información de color en el espacio CIELAB. Este tipo de equipamiento es fácil de utilizar y calibrar, pero presenta una serie de desventajas y/o limitaciones: su costo de adquisición y/o reparación es alto, realiza mediciones en áreas pequeñas de las muestras, la superficie a medir debe tener un color uniforme, la medición de superficies grandes y no homogéneas es dificultosa, y debe ponerse en contacto con la superficie a medir. Por otro lado, el uso de cámaras digitales permite obtener una gran cantidad de información espacial, la cual puede incluir una muestra completa, la información de color se obtiene para cada píxel de la imagen obtenida, es un equipo de menor costo y con diversidad de marcas y modelos, y evita los problemas de contacto con las muestras. La principal dificultad de la utilización de cámaras digitales para medir color es que las mismas utilizan el espacio de color RGB, por lo cual las imágenes obtenidas deben ser transformadas al espacio de color CIELAB. En este trabajo se construyó un gabinete de adquisición de imágenes con iluminación controlada, y se empleó una cámara NIKON D3100, usando el modo manual que permite fijar la velocidad de obturación y apertura del diafragma. Se probaron diferentes transformaciones entre los espacios de color RGB y CIELAB, como relaciones polinómicas, y un ajuste de la transformación teórica directa. Como patrones de color se usó una carta de colores X-Rite ColorChecker Passport, la cual está formada por 24 parches de diferentes colores. La diferencia de color total ΔE promedio entre los valores medidos y los valores reales fue de 5.39, 4.19, y 2.45 usando una relación lineal, cuadrática y cuadrática más interacciones, respectivamente. La relación directa dio buenos resultados para L* y b*, pero no así para a*. Se midió el color de diferentes muestras de alimentos usando tanto el colorímetro como el sistema de visión computacional, y en general se encontraron resultados aceptables.
Facultad de Ciencias Exactas
Centro de Investigación y Desarrollo en Criotecnología de Alimentos
Facultad de Ingeniería
Facultad de Ciencias Veterinarias - Materia
-
Ciencias Exactas
Color
Alimentos
imágenes digitales - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/117353
Ver los metadatos del registro completo
id |
SEDICI_61fd1406d88606568812a3a202d95823 |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/117353 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Determinación de color en el espacio CIELAB a partir de imágenes digitalesGoñi, Sandro MauricioOlivera, Daniela FlaviaSalvadori, Viviana OlgaCiencias ExactasColorAlimentosimágenes digitalesEn este trabajo se evalúa la factibilidad de uso de un sistema de visión computacional para realizar mediciones de color de alimentos. El sistema de visión computacional está formado por una cámara digital y un ambiente de iluminación controlada. Generalmente la evaluación del color de alimentos se realiza usando colorímetros digitales, los cuales brindan información de color en el espacio CIELAB. Este tipo de equipamiento es fácil de utilizar y calibrar, pero presenta una serie de desventajas y/o limitaciones: su costo de adquisición y/o reparación es alto, realiza mediciones en áreas pequeñas de las muestras, la superficie a medir debe tener un color uniforme, la medición de superficies grandes y no homogéneas es dificultosa, y debe ponerse en contacto con la superficie a medir. Por otro lado, el uso de cámaras digitales permite obtener una gran cantidad de información espacial, la cual puede incluir una muestra completa, la información de color se obtiene para cada píxel de la imagen obtenida, es un equipo de menor costo y con diversidad de marcas y modelos, y evita los problemas de contacto con las muestras. La principal dificultad de la utilización de cámaras digitales para medir color es que las mismas utilizan el espacio de color RGB, por lo cual las imágenes obtenidas deben ser transformadas al espacio de color CIELAB. En este trabajo se construyó un gabinete de adquisición de imágenes con iluminación controlada, y se empleó una cámara NIKON D3100, usando el modo manual que permite fijar la velocidad de obturación y apertura del diafragma. Se probaron diferentes transformaciones entre los espacios de color RGB y CIELAB, como relaciones polinómicas, y un ajuste de la transformación teórica directa. Como patrones de color se usó una carta de colores X-Rite ColorChecker Passport, la cual está formada por 24 parches de diferentes colores. La diferencia de color total ΔE promedio entre los valores medidos y los valores reales fue de 5.39, 4.19, y 2.45 usando una relación lineal, cuadrática y cuadrática más interacciones, respectivamente. La relación directa dio buenos resultados para L* y b*, pero no así para a*. Se midió el color de diferentes muestras de alimentos usando tanto el colorímetro como el sistema de visión computacional, y en general se encontraron resultados aceptables.Facultad de Ciencias ExactasCentro de Investigación y Desarrollo en Criotecnología de AlimentosFacultad de IngenieríaFacultad de Ciencias Veterinarias2014-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf538-546http://sedici.unlp.edu.ar/handle/10915/117353spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-698-380-2info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-17T10:10:19Zoai:sedici.unlp.edu.ar:10915/117353Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-17 10:10:20.166SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Determinación de color en el espacio CIELAB a partir de imágenes digitales |
title |
Determinación de color en el espacio CIELAB a partir de imágenes digitales |
spellingShingle |
Determinación de color en el espacio CIELAB a partir de imágenes digitales Goñi, Sandro Mauricio Ciencias Exactas Color Alimentos imágenes digitales |
title_short |
Determinación de color en el espacio CIELAB a partir de imágenes digitales |
title_full |
Determinación de color en el espacio CIELAB a partir de imágenes digitales |
title_fullStr |
Determinación de color en el espacio CIELAB a partir de imágenes digitales |
title_full_unstemmed |
Determinación de color en el espacio CIELAB a partir de imágenes digitales |
title_sort |
Determinación de color en el espacio CIELAB a partir de imágenes digitales |
dc.creator.none.fl_str_mv |
Goñi, Sandro Mauricio Olivera, Daniela Flavia Salvadori, Viviana Olga |
author |
Goñi, Sandro Mauricio |
author_facet |
Goñi, Sandro Mauricio Olivera, Daniela Flavia Salvadori, Viviana Olga |
author_role |
author |
author2 |
Olivera, Daniela Flavia Salvadori, Viviana Olga |
author2_role |
author author |
dc.subject.none.fl_str_mv |
Ciencias Exactas Color Alimentos imágenes digitales |
topic |
Ciencias Exactas Color Alimentos imágenes digitales |
dc.description.none.fl_txt_mv |
En este trabajo se evalúa la factibilidad de uso de un sistema de visión computacional para realizar mediciones de color de alimentos. El sistema de visión computacional está formado por una cámara digital y un ambiente de iluminación controlada. Generalmente la evaluación del color de alimentos se realiza usando colorímetros digitales, los cuales brindan información de color en el espacio CIELAB. Este tipo de equipamiento es fácil de utilizar y calibrar, pero presenta una serie de desventajas y/o limitaciones: su costo de adquisición y/o reparación es alto, realiza mediciones en áreas pequeñas de las muestras, la superficie a medir debe tener un color uniforme, la medición de superficies grandes y no homogéneas es dificultosa, y debe ponerse en contacto con la superficie a medir. Por otro lado, el uso de cámaras digitales permite obtener una gran cantidad de información espacial, la cual puede incluir una muestra completa, la información de color se obtiene para cada píxel de la imagen obtenida, es un equipo de menor costo y con diversidad de marcas y modelos, y evita los problemas de contacto con las muestras. La principal dificultad de la utilización de cámaras digitales para medir color es que las mismas utilizan el espacio de color RGB, por lo cual las imágenes obtenidas deben ser transformadas al espacio de color CIELAB. En este trabajo se construyó un gabinete de adquisición de imágenes con iluminación controlada, y se empleó una cámara NIKON D3100, usando el modo manual que permite fijar la velocidad de obturación y apertura del diafragma. Se probaron diferentes transformaciones entre los espacios de color RGB y CIELAB, como relaciones polinómicas, y un ajuste de la transformación teórica directa. Como patrones de color se usó una carta de colores X-Rite ColorChecker Passport, la cual está formada por 24 parches de diferentes colores. La diferencia de color total ΔE promedio entre los valores medidos y los valores reales fue de 5.39, 4.19, y 2.45 usando una relación lineal, cuadrática y cuadrática más interacciones, respectivamente. La relación directa dio buenos resultados para L* y b*, pero no así para a*. Se midió el color de diferentes muestras de alimentos usando tanto el colorímetro como el sistema de visión computacional, y en general se encontraron resultados aceptables. Facultad de Ciencias Exactas Centro de Investigación y Desarrollo en Criotecnología de Alimentos Facultad de Ingeniería Facultad de Ciencias Veterinarias |
description |
En este trabajo se evalúa la factibilidad de uso de un sistema de visión computacional para realizar mediciones de color de alimentos. El sistema de visión computacional está formado por una cámara digital y un ambiente de iluminación controlada. Generalmente la evaluación del color de alimentos se realiza usando colorímetros digitales, los cuales brindan información de color en el espacio CIELAB. Este tipo de equipamiento es fácil de utilizar y calibrar, pero presenta una serie de desventajas y/o limitaciones: su costo de adquisición y/o reparación es alto, realiza mediciones en áreas pequeñas de las muestras, la superficie a medir debe tener un color uniforme, la medición de superficies grandes y no homogéneas es dificultosa, y debe ponerse en contacto con la superficie a medir. Por otro lado, el uso de cámaras digitales permite obtener una gran cantidad de información espacial, la cual puede incluir una muestra completa, la información de color se obtiene para cada píxel de la imagen obtenida, es un equipo de menor costo y con diversidad de marcas y modelos, y evita los problemas de contacto con las muestras. La principal dificultad de la utilización de cámaras digitales para medir color es que las mismas utilizan el espacio de color RGB, por lo cual las imágenes obtenidas deben ser transformadas al espacio de color CIELAB. En este trabajo se construyó un gabinete de adquisición de imágenes con iluminación controlada, y se empleó una cámara NIKON D3100, usando el modo manual que permite fijar la velocidad de obturación y apertura del diafragma. Se probaron diferentes transformaciones entre los espacios de color RGB y CIELAB, como relaciones polinómicas, y un ajuste de la transformación teórica directa. Como patrones de color se usó una carta de colores X-Rite ColorChecker Passport, la cual está formada por 24 parches de diferentes colores. La diferencia de color total ΔE promedio entre los valores medidos y los valores reales fue de 5.39, 4.19, y 2.45 usando una relación lineal, cuadrática y cuadrática más interacciones, respectivamente. La relación directa dio buenos resultados para L* y b*, pero no así para a*. Se midió el color de diferentes muestras de alimentos usando tanto el colorímetro como el sistema de visión computacional, y en general se encontraron resultados aceptables. |
publishDate |
2014 |
dc.date.none.fl_str_mv |
2014-10 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/117353 |
url |
http://sedici.unlp.edu.ar/handle/10915/117353 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-950-698-380-2 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
dc.format.none.fl_str_mv |
application/pdf 538-546 |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1843532696296357888 |
score |
13.001348 |