Desarrollo de una máquina clasificadora de objetos huecos para la automatización del proceso de control de calidad de las pecanas en las plantaciones de Ica

Abstract

Se presenta el desarrollo de una máquina clasificadora de Pecanas Mahan, producidas al sur de Lima, concretamente en el departamento de Ica. Para el desarrollo de la máquina clasificadora se utilizará el método de detección por sonido. Un plato de acero inoxidable recibirá el impacto de la pecana, y el sonido producido por dicho impacto será recopilado por un micrófono de alta sensibilidad. Para tener una mejor precisión en la detección del núcleo de la pecana, antes de pasar por el método de detección por sonido, la pecana pasará por una cámara donde, mediante el procesamiento de imágenes, se determinará su área. Después, un microcontrolador identificará las características del sonido producido por las pecanas e incluirá el área como una característica adicional. Al finalizar las dos fases mencionadas, se procederá a utilizar un clasificador SVM (Support Vector Machine) para llevar a cabo la clasificación de las pecanas mediante un algoritmo. Tras el proceso de detección, la máquina tendrá un separador que se accionará según el resultado final de la clasificación. En este proyecto se usarán 100 muestras de pecanas para el entrenamiento de la SVM, las cuales serán divididas equitativamente entre sin fruto y con fruto. Para evaluar la eficiencia del sistema, se utilizarán 100 pecanas aleatoriamente entre estos dos tipos. El porcentaje de precisión obtenido es del 95%, clasificando 20 pecanas por minuto.

The development of a sorting machine for Mahan Pecans is presented, which are produced in the south of Lima, specifically in the department of Ica. For the development of the sorting machine, the sound detection method will be used. A stainless-steel plate will receive the impact of the pecan, and the sound produced by the impact will be collected by a high-sensitivity microphone. To achieve better accuracy in detecting the pecan's core, the pecan will pass through a camera before the sound detection method, where its area will be determined through image processing. Then, a microcontroller will identify the characteristics of the sound produced by the pecans and include the area as an additional feature. After completing the mentioned two phases, a Support Vector Machine (SVM) classifier will be used to classify the pecans through an algorithm. Following the detection process, the machine will have a separator that will be activated according to the final classification result. In this project, 100 pecan samples will be used to train the SVM, which will be evenly divided between those without kernels and those with kernels. To evaluate the system's efficiency, 100 randomly selected pecans from both types will be used. The obtained accuracy percentage is 95%, classifying 20 pecans per minute.