Вы находитесь на странице: 1из 4

Universidad de la Salle. Castro, Morales.

RECONOCIMIENTO DE FLORES MEDIANTE VISION ARTIFIICIAL Y REDES NEURONALES

Luis Alejandro Morales Alvarez


Universidad de la Salle

RECONOCIMIENTO DE FLORES MEDIANTE


VISION ARTIFICIAL Y REDES
NEURONALES

Resumen En la industria se ve la posibilidad de tecnificar


algunos procesos, como el control de calidad, la visin artificial es
una alternativa para la industria floricultora en Colombia, con el
fin de mantener la calidad y fortalecer el posicionamiento de la
industria floricultura a nivel nacional e internacional, empleando
los conocimientos obtenidos en visin artificial y redes neuronales
se desarrolla como base un trabajo el cual tiene como objeto el
reconocimiento de flores, para lo cual se establecen algunas
etapas como, adaptacin del entorno, adquisicin de imgenes de
las flores, tratamiento de imgenes, entrenamiento de la red
neuronal, adquisicin de la imagen en tiempo real, y finalmente el
reconocimiento.
Palabras claves Visin
tratamiento de imagines, flores,

I.

artificial,

redes

Antioquia (19%) y Centro/Occidente (5%), pero para que este


mercado siga creciendo es necesario seguir mejorando los
procesos de cosecha y pos cosecha por medio de la
tecnificacin de los mismos y de esta forma aumentar la
productividad.
Colombia ocupa el segundo lugar a nivel mundial como pas
exportador como se muestra en la tabla 1. (Quirs, 2001)
Tabla 1. Participacin de Colombia en el mercado mundial de
flores.

neuronales,

INTRODUCTION

l procesamiento de imgenes se realiza principalmente


en el campo de la manufactura donde se requiera una
supervisin de calidad de los productos, en cierta lnea
de produccin, lo cual tiene como objetivo detectar la
presencia de errores, realizando una recoleccin de datos, para
posteriormente empezar una accin correctiva adecuada segn
sea el caso, por ejemplo algo que es muy cotidiano en este
proceso es eliminar el objeto defectuoso de la lnea de
produccin, si se le encuentran defectos de fabricacin; como
tambin esta supervisin puede realizarse para la clasificacin
de elementos segn las propiedades visuales que contenga.

Fuente: ASOCOLFLORES, tomado de Flower Council of Holland, 1999

Parte importante del proceso de pos cosecha es la evaluacin y


clasificacin del producto ya que de all se describe y
selecciona el producto final que interaccionar en el mercado.
II.

Las redes neuronales son las que se encargan de almacenar la


informacin de entrenamiento para el reconocimiento de las
imgenes teniendo en cuenta los patrones geomtricos de las
imgenes, la posicin y los colores y dems patrones que se
pueden resaltar o atenuar por medio de los filtros.
Estos sistemas de supervisin por cmara brindan soluciones
de automatizacin configurndose como la mejor alternativa
de control de calidad de hoy en da, industrial de todo tipo
poseen este tipo de sistemas en sus lneas de produccin.

Se selecciona el reconocimiento de flores ya que se ven en el


mercado floricultor una oportunidad de accionamiento para la
automatizacin; desde la antigedad la rosa ha sido smbolo
nacional de belleza y en la actualidad sigue siendo as, en
Colombia es el cuarto producto de exportacin y el segundo
en la industria siendo uno de los productos ms
representativos del pas (Asocolflores, 2008), las zonas
productoras de Colombia son la Sabana de Bogot (76%),

ANTECEDENTES

La documentacin se realizan bsicamente en aplicaciones de


la visin artificial donde se destacan artculos como el de
Chang y Reid, Caracterizacin de un sistema de visin de
color el cuel describe como las imgenes en color se
cuantifican en general por valores de rojo, verde y azul (RGB)
que representan respuestas integradas ms de RGB bandas
espectrales medidas a travs de filtros de color. La respuesta
RGB se ve afectada por la configuracin especfica de un
sistema de visin en color. Un mtodo de caracterizar un
sistema de visin de color basada en RGB y la conversin de
los valores RGB entre diferentes configuraciones del sistema
fue desarrollado en este estudio. Este procesamiento de
imagen es muy comn y til por tanto se tiene en cuenta para
el desarrollo del proyecto de sistema de control de calidad
para la produccin de flores. (Chang & Reid, 1996).
De igual forma el artculo Formacin de imgenes de textura
y el anlisis discriminante para distinguir las malas hierbas
para el punto de pulverizacin el cual describe como a partir
del mtodo de ndice de color verde, este se utiliza como un
realce de contraste para identificar una planta especfica; este

Universidad de la Salle. Castro, Morales. RECONOCIMIENTO DE FLORES MEDIANTE VISION ARTIFIICIAL Y REDES NEURONALES
mtodo se implement en un periodo de observacin de 3
semanas y se muestra precisin del 99%, bsicamente lo que
se hace es tomar las imgenes binarias y verificar el exceso de
verde y los lmites de borde; junto con ello aplicando un filtro
de escala de grises y teniendo en cuenta parmetros de las
hojas como momento angular, la inercia, la entropa y la
homogeneidad local, los porcentajes de identificacin de
especies estn alrededor del 80% y 90% y la velocidad de
procesamiento es cercana a los 15 segundos, lo que indica un
buen rendimiento por tanto se ve este documento como base
importante ya que debido a la variedad de colores de las rosas
se lograra una clasificacin adecuada segn lo desee el cliente.
(Mayer & Mehta, 1998).
III.

Adaptaci
n del
entorno.

Validaci
n del
sistema

B. Adquisicin y digitalizacin de la imagen.


Para ello se necesita sensores y la capacidad para digitalizar
la seal producida por el sensor. El sensor puede ser una
cmara a color o monocromo que produce una imagen
completa del dominio del problema despus de capturar la
imagen a inspeccionar se enva esta informacin a la
compotator para ser analizada.

METODOLOGA

Adquisici
n y
digitaliza
cinde la
imagen.

Procesam
iento de
la
imagen.

Diseo
interfaz.

Programa
cin de la
red
neuronal

Figura 3. Adquisicin de la imagen con cmara 3a. RGB24_


800x600 pixeles y 3b. 1280x1024 pixeles

La adquisicin de las imgenes se realiz utilizando dos tipos


de cmara, con el fin de verificar si a mayor resolucin se
podan llega a obtener mejores resultados. La figura 3b.
muestra una figura tomada con una cmara de 1280x1024
pixeles y la figura 3a. con una cmara, por lo cual se
implement esta ltima.
Las imgenes adquiridas y que posteriormente sern
procesadas y clasificadas se muestran en la figura 4.

Figura 1. Diagrama que representa a metodologa a seguir para el


reconocimiento de flores

IV.

DESARROLLO Y RESULTADOS

A. Adaptacin del entorno.


La iluminacin es el aspecto ms decisivo de cualquier
aplicacin de visin artificial. Eligiendo la tcnica adecuada
de iluminacin se puede lograr un aumento en la exactitud, en
la fiabilidad del sistema y en su tiempo de respuesta. Es un
error muy serio y costoso asumir que se puede compensar una
iluminacin inadecuada con un algoritmo.
Por tal razn se realiz un domo el cual pretenda mantener la
iluminacin constante para lograr una correcta adquisicin de
la imagen, en la prctica se implementaron dos domos de los
cuales se presenta a continuacin el correcto para el proceso.

Figura 4. Imgenes para ser procesadas de flores a reconocer.

Figura 2. La figura es 2a. incorrecta, la figura 2b. Correcta.


La figura 2a representa el domo incorrecto ya que se ven las paredes
y representara ms pixeles en la imagen digitalizada, incrementando
el error, la figura 2b es correcta ya que la iluminacin y el domo se
confunden con el fondo de la imagen.

C. Procesamiento.
En este proceso se modifica la imagen que acabamos de
adquirir con el fin de mejorarla de acuerdo a los parmetros a
analizar con los siguientes objetivos:

Eliminacin de ruido.
Acentuar o perfilar las caractersticas de una imagen tales
como bordes y limites

Universidad de la Salle. Castro, Morales. RECONOCIMIENTO DE FLORES MEDIANTE VISION ARTIFIICIAL Y REDES NEURONALES

Contrastar la imagen para que sea ms til la


visualizacin grfica y el anlisis de la misma.
Mejorar la calidad de algunas partes de imagen.
Transformar la imagen a otro espacio de representacin.

Despus de implementar algunos filtros se seleccin el filtro


RGB el cual permite una modificacin aparentemente
insignificante, que mejora el rendimiento de la pantalla.
Aadiendo un subpixel blanco para formar un pxel RGBW
prescindimos de uno de los cuatro filtros de color
seleccionando el azul. De lo cual las imgenes de la figura 4
despus de ser procesadas se presentan como en la figura 5,
imgenes las cuales son utilizadas para que la red neuronal
aprenda.

Figura 6. Interfaz del sistema

F.

Validacin del Sistema.

La validacin del Sistema se logra a partir del reconocimiento


en tiempo real, de las 5 imgenes con las cuales aprendi la
red para lo cual se obtiene:
Para orqudea morada:

Para orqudea naranja:


Figura 5. Imgenes procesadas con filtro RGB.

D. Programacin de la red neuronal.


La red debe encontrar las caractersticas, regularidades,
correlaciones o categoras que se puedan establecer entre los
datos que se presenten en su entrada. La red neuronal aprende
con parmetros tales como el permetro de la flor de acuerdo
al nmero de pixeles que contiene la imagen, de esta forma
reconoce las flores como: orqudea morada, orqudea naranja,
rosa roja, rosa amarilla y rosa blanca.
E. Diseo interfaaz
La interfaz grfica est diseada de tal forma que se captura
una imagen en tiempo real para lo cual se reconoce la cmara
mediante el botn VIDEO, y se captura la imagen con el botn
FOTO, dicha imagen contienen la flor a reconocer, esta es
cargada (CARGAR FOTO) para aplicarle el filtro RGB y
GUARDAR dicha imagen, el botn aprender hace que la red
neuronal logre identificar la flor.

Para rosa roja:

Universidad de la Salle. Castro, Morales. RECONOCIMIENTO DE FLORES MEDIANTE VISION ARTIFIICIAL Y REDES NEURONALES

Se puede observar que el sistema es vlido solo para la rosa


roja, la rosa blanca y la orqudea morada, en las dems flores
se confunde el sistema, lo cual se atribuye a la iluminacin,
posicionamiento de las flores y por cambios morfolgicos de
la flor.

V. CONCLUSIONES

Para rosa amarilla:

El desarrollo del sistema inteligente de visin artificial tiene


como inconveniente principal la realizacin del domo donde
deben ser capturadas las fotografas, puesto que la calidad de
la imagen afecta el reconocimiento de los patrones a
identificar, pero una de las soluciones de este problema lo
podemos encontrar en la utilizacin de los diferentes filtros de
acuerdo al tipo de imagen a procesar.
Otro de los defectos que tendra el sistema inteligente es el
posicionamiento de la cmara para la captura de imgenes,
puesto que si no se tiene un trpode estable el Angulo de la
imagen puede cambiar constantemente y as mismo afectar la
identificacin de las imgenes; una alternativa para que esto
no suceda en la identificacin es cargar al sistema varias
fotografas con los posibles errores de posicin para reducir la
probabilidad de la no identificacin.

Para rosa blanca:

La iluminacin del domo beneficia considerablemente la


captura de las imgenes, puesto que se prob de igual tomar
fotos sin ayuda de esta iluminacin pero el factor de la imagen
mostrado en el comman windows de matlab siempre marcaba
una cifra diferente, por ende el mensaje de respuesta no se
mostraba para decir que tipo de flor era, y al compararla con
las condiciones de un domo cerrado donde las condiciones
siempre sern las mismas las cifras tenan un rango ms
especfico.

VI. REFERENCIAS
Mayer, G., & Mehta, T. (1998). Textural imaging and
discriminant analysis for distinguishing weeds for
spot spraying. SCOPUS.
Quirs, M. L. (2001). La floricultura en Colombia en el marco
de la globalizacin . Universidad EAFIT.
Chang, Y., & Reid, J. (1996). Caracterizacion de un sistema de
vision de color. Scopus

Вам также может понравиться