Aplicando redes BPN para determinar áreas no deseadas en quinotos: resultados gráficos

Autores
Collazo Silvestre, Jonatán E.; Sampallo, Guillermo M.; González Thomas, Arturo
Año de publicación
2009
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El bajo costo de las cámaras digitales hace atractivo el uso de la segmentación de imágenes a color para evaluar la calidad de alimentos como ser los citrus. Para implementar un sistema automático de clasificación se requiere explicitar el conocimiento presente en las personas y caracterizar la variación de color en áreas de similar aceptabilidad atendiendo la profundidad de color con que se capturan las imágenes. En este trabajo evaluaremos algunas redes BPN aplicadas a la diferenciación de áreas con colores deseables de aquellas con colores que corresponden a defectos como ser manchas o áreas no lo suficientemente maduras. Se pondrá énfasis en la aplicabilidad de la técnica y se profundizará en la descripción del espacio de decisión a aprender, los efectos de las representaciones en espacio de color RGB y L* a* b * y la calidad de los resultados obtenidos. Concluiremos que el enfoque es viable y perfeccionable atendiendo la discretización de las salidas de la red, la variedad de entradas usadas y el interés en disminuir cada tipo de error y la complejidad de la red usada.
Presentado en el X Workshop Agentes y Sistemas Inteligentes
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
Segmentation
segmentación supervisada
segmentación imagen color
Neural nets
clasificación automática fruta
red BPN
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/20885

id SEDICI_f3a19b8a14bf4e767f5910ba2d6ef654
oai_identifier_str oai:sedici.unlp.edu.ar:10915/20885
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Aplicando redes BPN para determinar áreas no deseadas en quinotos: resultados gráficosCollazo Silvestre, Jonatán E.Sampallo, Guillermo M.González Thomas, ArturoCiencias InformáticasSegmentationsegmentación supervisadasegmentación imagen colorNeural netsclasificación automática frutared BPNEl bajo costo de las cámaras digitales hace atractivo el uso de la segmentación de imágenes a color para evaluar la calidad de alimentos como ser los citrus. Para implementar un sistema automático de clasificación se requiere explicitar el conocimiento presente en las personas y caracterizar la variación de color en áreas de similar aceptabilidad atendiendo la profundidad de color con que se capturan las imágenes. En este trabajo evaluaremos algunas redes BPN aplicadas a la diferenciación de áreas con colores deseables de aquellas con colores que corresponden a defectos como ser manchas o áreas no lo suficientemente maduras. Se pondrá énfasis en la aplicabilidad de la técnica y se profundizará en la descripción del espacio de decisión a aprender, los efectos de las representaciones en espacio de color RGB y L* a* b * y la calidad de los resultados obtenidos. Concluiremos que el enfoque es viable y perfeccionable atendiendo la discretización de las salidas de la red, la variedad de entradas usadas y el interés en disminuir cada tipo de error y la complejidad de la red usada.Presentado en el X Workshop Agentes y Sistemas InteligentesRed de Universidades con Carreras en Informática (RedUNCI)2009-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf70-79http://sedici.unlp.edu.ar/handle/10915/20885spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T10:54:25Zoai:sedici.unlp.edu.ar:10915/20885Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:54:25.854SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Aplicando redes BPN para determinar áreas no deseadas en quinotos: resultados gráficos
title Aplicando redes BPN para determinar áreas no deseadas en quinotos: resultados gráficos
spellingShingle Aplicando redes BPN para determinar áreas no deseadas en quinotos: resultados gráficos
Collazo Silvestre, Jonatán E.
Ciencias Informáticas
Segmentation
segmentación supervisada
segmentación imagen color
Neural nets
clasificación automática fruta
red BPN
title_short Aplicando redes BPN para determinar áreas no deseadas en quinotos: resultados gráficos
title_full Aplicando redes BPN para determinar áreas no deseadas en quinotos: resultados gráficos
title_fullStr Aplicando redes BPN para determinar áreas no deseadas en quinotos: resultados gráficos
title_full_unstemmed Aplicando redes BPN para determinar áreas no deseadas en quinotos: resultados gráficos
title_sort Aplicando redes BPN para determinar áreas no deseadas en quinotos: resultados gráficos
dc.creator.none.fl_str_mv Collazo Silvestre, Jonatán E.
Sampallo, Guillermo M.
González Thomas, Arturo
author Collazo Silvestre, Jonatán E.
author_facet Collazo Silvestre, Jonatán E.
Sampallo, Guillermo M.
González Thomas, Arturo
author_role author
author2 Sampallo, Guillermo M.
González Thomas, Arturo
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Segmentation
segmentación supervisada
segmentación imagen color
Neural nets
clasificación automática fruta
red BPN
topic Ciencias Informáticas
Segmentation
segmentación supervisada
segmentación imagen color
Neural nets
clasificación automática fruta
red BPN
dc.description.none.fl_txt_mv El bajo costo de las cámaras digitales hace atractivo el uso de la segmentación de imágenes a color para evaluar la calidad de alimentos como ser los citrus. Para implementar un sistema automático de clasificación se requiere explicitar el conocimiento presente en las personas y caracterizar la variación de color en áreas de similar aceptabilidad atendiendo la profundidad de color con que se capturan las imágenes. En este trabajo evaluaremos algunas redes BPN aplicadas a la diferenciación de áreas con colores deseables de aquellas con colores que corresponden a defectos como ser manchas o áreas no lo suficientemente maduras. Se pondrá énfasis en la aplicabilidad de la técnica y se profundizará en la descripción del espacio de decisión a aprender, los efectos de las representaciones en espacio de color RGB y L* a* b * y la calidad de los resultados obtenidos. Concluiremos que el enfoque es viable y perfeccionable atendiendo la discretización de las salidas de la red, la variedad de entradas usadas y el interés en disminuir cada tipo de error y la complejidad de la red usada.
Presentado en el X Workshop Agentes y Sistemas Inteligentes
Red de Universidades con Carreras en Informática (RedUNCI)
description El bajo costo de las cámaras digitales hace atractivo el uso de la segmentación de imágenes a color para evaluar la calidad de alimentos como ser los citrus. Para implementar un sistema automático de clasificación se requiere explicitar el conocimiento presente en las personas y caracterizar la variación de color en áreas de similar aceptabilidad atendiendo la profundidad de color con que se capturan las imágenes. En este trabajo evaluaremos algunas redes BPN aplicadas a la diferenciación de áreas con colores deseables de aquellas con colores que corresponden a defectos como ser manchas o áreas no lo suficientemente maduras. Se pondrá énfasis en la aplicabilidad de la técnica y se profundizará en la descripción del espacio de decisión a aprender, los efectos de las representaciones en espacio de color RGB y L* a* b * y la calidad de los resultados obtenidos. Concluiremos que el enfoque es viable y perfeccionable atendiendo la discretización de las salidas de la red, la variedad de entradas usadas y el interés en disminuir cada tipo de error y la complejidad de la red usada.
publishDate 2009
dc.date.none.fl_str_mv 2009-10
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/10915/20885
url http://sedici.unlp.edu.ar/handle/10915/20885
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
70-79
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_ 1844615801402818560
score 13.070432