Elección de características de interés en la clasificación de granos de café mediante un sistema de visión por computadora

Abstract

RESUMEN La clasificación de la calidad del café antes de ser tostado, una de las operaciones más importantes para definir su calidad y precio en el mercado, se realiza manualmente por personal entrenado en el reconocimiento de los defectos del café. Sin embargo, el carácter subjetivo, costo y tiempo que este involucra genera un campo de investigación importante para la aplicación de tecnologías como la visión artificial. El objetivo de este estudio fue evaluar la capacidad de identificación de defectos y clasificación de granos de café mediante un sistema de visión por computadora en el espacio red-green- blue (RGB). Para este fin se implementó un sistema de adquisición y análisis de imágenes, desarrollando una aplicación informática en Matlab 2015ª. Se compraron en el mercado local muestras de café verde, clasificando cada grano de acuerdo con la NTP 209.027 2001. Se adquirieron las imágenes de cada clase y se analizaron determinando en cada grano seis parámetros de forma, seis parámetros de color, en los espacios RGB y HSV, y dos índices o diferencias normalizadas. Se determinaron los parámetros con influencia estadística en la clasificación mediante software de análisis de datos WEKA y se implementaron tres modelos de clasificación máquinas de soporte vectorial (Support Vector Machine - SVM), arboles de decisión (Decision Tree - DT) y K-vecino más cercano (K-Nearest Neighbor). Los tres tipos de clasificador utilizados en la presente investigación mostraron precisión entre 89% y 92.3% lo cual prueba la posibilidad de implementar sistemas basados en imágenes RGB para clasificar granos de café.

ABSTRACT The classification of quality on coffee before toasting, one of the most important operations to define its quality and price in the market, is done manually by personnel trained in the recognition of coffee defects. However, the subjective nature, the cost and the time that it involves generates an important research field for the application of technologies such as artificial vision. The objective of this study was to evaluate the ability to identify defects and classify coffee beans using a computer vision system in the red-green-blue (RGB) space. For this purpose, a system for acquisition and analysis of images was implemented, developing a computer application in Matlab 2015ª. Samples of green coffee were purchased on local market, each grain being classified according to NTP 209.027 2001. Images of each class were acquired and analyzed by determining in each grain six shape parameters, six color parameters, in the RGB and HSV spaces, and two normalized indices or differences. Statistical relevance of parameters was deterined using the software for data analysis named WEKA and using these three models of classification, vector machines (SVM), decision trees and nearest K-neighbor (K-neighbor), were implemented. The three types of classifier used in the present investigation show accuracy between 89% and 92.3% which probe the possibility to implement systems based on RGB image to classify coffee been.