Show simple item record

Clasificador de la semilla Sacha inchi mediante aplicación de visión artificial

dc.contributor.advisorRueda Sánchez, Oscar Eduardo
dc.contributor.advisorGonzales Acevedo, Hernando
dc.contributor.authorRangel Blanco, Isaac David
dc.coverage.spatialBucaramanga (Santander, Colombia)spa
dc.coverage.temporal2022spa
dc.date.accessioned2023-02-20T18:15:11Z
dc.date.available2023-02-20T18:15:11Z
dc.date.issued2022-11-28
dc.identifier.urihttp://hdl.handle.net/20.500.12749/19053
dc.description.abstractEl presente proyecto se enfoca en la mejora del método de visión artificial implementado en el proyecto “Construcción de un Prototipo de una Máquina Selectora de Semillas de Sacha Inchi” el cual concluyó con un prototipo de máquina clasificadora, que permite realizar un proceso dosificación y con la implementación de ciertos dispositivos adicionales permite el posterior procesamiento computacional para seleccionar la semillas dependiendo su color y forma. También es importante resaltar que fueron requeridas ciertas modificaciones físicas o estructurales en dicha máquina prototipo debido a las necesidades presentadas en el transcurso del proyecto actual, con el fin de lograr una mejoría del proceso de clasificación. Las semillas ingresadas al prototipo de máquina clasificadora se plantean a las anteriores de la etapa de descascarado, las cuales están mezcladas entre capsulas marrones claros y semillas marrones oscuras que se contempla en el proceso general de obtención de aceite a partir de la semilla Plukenetia o más conocida como Sacha Inchi.spa
dc.description.tableofcontents1 INTRODUCCIÓN ............................................................................. 12 1.1 DESCRIPCIÓN DEL PROBLEMA.................................................... 12 1.2 JUSTIFICACIÓN DEL PROBLEMA ................................................. 13 2 OBJETIVOS..................................................................................... 15 2.1 OBJETIVO GENERAL ..................................................................... 15 2.2 OBJETIVOS ESPECÍFICOS............................................................ 15 3 ESTADO DEL ARTE........................................................................ 16 4 MARCO TEORICO........................................................................... 19 4.1 GENERALIDADES DEL FRUTO SACHA INCHI ............................. 19 4.1.1 CARACTERÍSTICAS DEL GÉNERO Y LA FAMILIA.......... 19 4.1.2 MORFOLOGÍA ................................................................... 19 4.1.3 DISTRIBUCIÓN GEOGRÁFICA ......................................... 19 4.1.4 CARACTERÍSTICAS NUTRICIONALES. ........................... 20 4.1.5 BENEFICIOS PARA LA SALUD......................................... 20 4.1.6 PRODUCTOS DERIVADOS DEL SACHA INCHI............... 21 4.1.7 EL ACEITE DEL SACHA INCHI. ........................................ 22 4.1.8 PROCESO DE EXTRACCIÓN DEL ACEITE DEL SACHA INCHI. 22 4.2 VISIÓN ARTIFICIAL......................................................................... 23 4.3 TIPOS DE ILUMINACIÓN ................................................................ 24 4.3.1 ILUMINACIÓN DIFUSA TIPO DOMO................................. 24 4.3.2 ILUMINACIÓN A CONTRALUZ O DE FONDO .................. 25 4.3.3 ILUMINACIÓN CUADRADA O DIRECTA........................... 26 4.4 REDES NEURONALES CONVOLUCIONALES PARA DETECCIÓN DE OBJETOS ............................................................................................... 26 4.4.1 LA NEURONA .................................................................... 26 4.4.2 ESTRUCTURA DE LAS REDES NEURONALES............... 28 4.5 REDES NEURONALES CONVOLUCIONALES .............................. 30 4.5.1 CONVOLUCIÓN................................................................. 31 4.5.2 POOLING ........................................................................... 32 4.5.3 CAPA TOTALMENTE CONECTADA O FULLY CONNECTED 33 4.5.4 CAPA DE CLASIFICACIÓN................................................ 33 4.5.5 ARQUITECTURAS DE LAS CNN....................................... 33 4.5.6 PARÁMETROS E HIPERPARÁMETROS .......................... 34 5 METODOLOGIA .............................................................................. 35 5.1.1 CONCEPTO DE OPERACIONES. ..................................... 36 5.1.2 REQUISITOS DEL SISTEMA............................................. 36 5.1.3 INGENIERÍA DE DETALLE. ............................................... 36 5.1.4 DISEÑO DETALLADO........................................................ 36 5.1.5 VERIFICACIÓN DE LOS COMPONENTES. ...................... 36 5.1.6 VERIFICACIÓN DEL SUBSISTEMA. ................................. 36 5.1.7 VERIFICACIÓN Y DESARROLLO DEL SISTEMA............. 36 5.1.8 VALIDACIÓN DEL SISTEMA. ............................................ 36 5.1.9 OPERACIONES DE MANTENIMIENTO............................. 36 6 INSTRUMENTACIÓN ...................................................................... 37 6.1 DISPOSITIVO DE CAPTACIÓN DE IMÁGENES............................. 37 6.2 DISPOSITIVO DE PROCESAMIENTO Y CONTROL ...................... 38 6.3 SENSOR DE PRESENCIA DE OBJETOS....................................... 39 6.4 SISTEMA DE EXPULSIÓN DE SEMILLAS...................................... 41 6.5 SISTEMA DE ILUMINACIÓN ........................................................... 42 7 MODIFICACIONES DEL PROTOTIPO............................................ 43 7.1 INSTALACIÓN DE LA RECÁMARA DE ILUMINACIÓN .................. 44 7.2 REEMPLAZO DE CINTAS DE LA BANDA TRANSPORTADORA... 45 7.3 FIJACIÓN DE SENSORES Y ACTUADORES................................. 46 7.4 CAJA O PANEL DE CONTROL ....................................................... 49 7.5 ESTADO FINAL DE LA MÁQUINA CON LAS MODIFICACIONES . 51 8 DISEÑO ELECTRONICO................................................................. 52 8.1 FUENTE DE ENERGÍA.................................................................... 52 8.2 CONTROLADOR ............................................................................. 52 8.3 CONEXIONES DE LOS MOTORES, VÁLVULAS Y CINTAS LED .. 53 8.4 CONEXIÓN DE LAS CÁMARAS WEB, SENSORES, PULSADORES Y PANTALLA LED ........................................................................................ 53 9 PROGRAMACIÓN ........................................................................... 55 9.1 CONFIGURACIÓN DE LA RASPBERRYPI PI4............................... 55 9.1.1 LIBRERÍAS PRINCIPALES ................................................ 55 9.2 CÓDIGO EN PYTHON..................................................................... 56 9.2.1 ENTRENAMIENTO DEL CÓDIGO ..................................... 56 9.2.2 FUNCIONAMIENTO GENERAL......................................... 60 10 VALIDACIÓN ................................................................................... 63 11 CONCLUSIONES Y RECOMENDACIONES ................................... 68 12 REFERENCIAS................................................................................ 69 13 ANEXOS .......................................................................................... 72spa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.titleClasificador de la semilla Sacha inchi mediante aplicación de visión artificialspa
dc.title.translatedSacha inchi seed classifier through artificial vision applicationspa
dc.degree.nameIngeniero Mecatrónicospa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.rights.localAbierto (Texto Completo)spa
dc.publisher.facultyFacultad Ingenieríaspa
dc.publisher.programPregrado Ingeniería Mecatrónicaspa
dc.description.degreelevelPregradospa
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.localTrabajo de Gradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.subject.keywordsMechatronicspa
dc.subject.keywordsArtificial visionspa
dc.subject.keywordsSacha inchispa
dc.subject.keywordsPrototypespa
dc.subject.keywordsSorting machinespa
dc.subject.keywordsComputational processingspa
dc.subject.keywordsSmart algorithmspa
dc.subject.keywordsDevelopment of prototypesspa
dc.subject.keywordsSimulation methodsspa
dc.subject.keywordsComputer visionspa
dc.subject.keywordsMachine theoryspa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.relation.referencesKarisma . (2015). Una propuesta para cultivar y procesar Sacha Inchi en la Zona. Obtenido de https://karisma.org.cospa
dc.relation.referencesAgronet. (10 de 3 de 2015). Análisis - Estadísticas. Obtenido de http://www.agronet.gov.cospa
dc.relation.referencesAhila Priyadharshini, R., Arivazhagan, S., Arun, M., & Mirnalini, A. (2019). Maize leaf disease classification using deep convolutional neural networks. Neural Comput & Applic.spa
dc.relation.referencesAlimboyong, C., Hernandez, A. A., & Medina, R. P. (2018). Classification of Plant Seedling Images Using Deep Learning. Region 10 conference TENCON 2018.spa
dc.relation.referencesAlvarez, G. F., & Rios, T. R. (2007). Estudio de viabilidad económica del cultivo de Plukenetia volubilis Linneo “sacha inchi” del departamento de San martin. Iquitos,Perú: Programa de ordenamiento ambiental – POA evaluación económica opciones productivas amazonia peruana.spa
dc.relation.referencesBussman, R., Tellez, C., & Glenn, A. (2009). Journal Of Botanic(Diario Internacional de Botánica y Micologia). 17_21.spa
dc.relation.referencesCachique, D., Ruiz, H., Hidalgo, L., Garcia, M., Guerrero, J., Solis, R., & Mesen, F. (2010). Propagación vegetativa del sacha inchi (Plukenetia volubilis L.) Mediante injerto, bajo condiciones controladas en San Martín, Perú. En Congreso Peruano de Mejoramiento Genético y Biotecnología Agrícola (págs. 74-75). Lima, Perú: UNAL/EPG.spa
dc.relation.referencesCalvo, D. (13 de Julio de 2017). Clasificacion de redes neuronales artificiales. Obtenido de https://www.diegocalvo.es/clasificacion-de-redesneuronales-artificiales/spa
dc.relation.referencesCalvo, D. (20 de Julio de 2017). Red Neuronal Convolucional CNN. Obtenido de https://www.diegocalvo.es/red-neuronal-convolucional/spa
dc.relation.referencesCastellanos Castilla, J. d., & Castañeda Dias, J. S. (2017). Diseño e implementacion de un sistema atutomatizado para la clasificación del limón Tahiti de acuerdo con el tamañao y el grado de madurez. Bucaramanga: Universidad Autónoma de Bucaramanga.spa
dc.relation.referencesDorado, E. (2020). Apuntes del curso Deep Learning aplicado al análisis de señales e imágenes. valencia: CFP Universidad Politècnica de Valencia.spa
dc.relation.referencesDorado, E. d. (2019). Diseño, implementación y evaluación de una red neuronal convolucional para la detección de puntos principales en naranjas. Valencia : Universidad politécnica de valencia.spa
dc.relation.referencesDorado, E. d. (2019-2020). DISEÑO, IMPLEMENTACIÓN Y EVALUACIÓN DE UNA RED NEURONAL CONVOLUCIONAL PARA LA DETECCIÓN DE PUNTOS PRINCIPALES EN NARANJAS. Valencia: Universidad Politecnica de valencia.spa
dc.relation.referencesGomez V, V. Z. (2011). Diseño y construcción de una máquina tipo expeller para la extracción de aceite vegetal a partir de la semilla de la Jatropha curcas con capacidad de 200 Kilogramos/hora para la E.S.P.E-IASA II.spa
dc.relation.referencesGomez, M. (2004). Monografía y cultivo de sacha inchi, oleaginosas promisoria para la diversificación productiva en el trópico. . Corporación Colombiana de Investigación agropecuaria CORPOICA.spa
dc.relation.referencesGrandez Muñoz, E. A., & Chingo Coronado, D. (2015). ALICIA CONCYTEC. Obtenido de https://alicia.concytec.gob.pe/vufind/Record/UNTR_1c52168c34fa8882 27796f2cd6b3f53espa
dc.relation.referencesHermoza Llanos, E. A. (2018). Diseño de una máquina seleccionadora de semillas de sacha inchi peladas, por color con capacidad de 200kg/h. Lima, Perú: Pontificia universidad católica del Perú.spa
dc.relation.referencesJimenez, R., G.M, M., & Cruz, D. (2000). El género Plukenetia (Euphorbiaceae) en México. Anales del Instituto de Biología Universidad Nacional Autónoma de México, Serie Botánica, 71(1), 11-18.spa
dc.relation.referencesKriesel, D. (2007). A Brief Introduction to NeuralNetworks.spa
dc.relation.referencesMendoza, R. I., & Martin, M. d. (2014). Reconocimiento de objetivos en imágenes de video utilizando Visión artificial . Madrid, España: Universidad Politecnica de Madrid.spa
dc.relation.referencesMoreno, A. A. (2019). Clasificación de imágenes usando redes neuronales convolucionales en Python. Sevilla: Escuela Técnica Superior de Ingeniería, Universidad de Sevilla.spa
dc.relation.referencesO., H. (2013). Análisis composicional de la torta y aceite de semillas de Sacha Inchi (Plukenetia volubilis) cultivada en Colombia. Palmira, COlombia.spa
dc.relation.referencesPaguay Donoso, D. G., & Valarezo Rodriguez, L. X. (2018). Diseño e implementacion de un prototipo clasificador de huevo de gallina basado en las imperfecciones de la cascara aplicando vision artificial. Riobamba, Ecuador: Escuela Politecnica de chimborazo.spa
dc.relation.referencesSanchez, R., & Amiqueri, B. (2004). Manual de cultivo de sacha inchi. Agroservicios LIMAG.spa
dc.relation.referencesSanchez, S. L. (2012). Caracterización y cuantificación de los ácidos grasos omega 3 y omega 6 presentes en el aceite de sacha inchi (Plukenetia volubilis L.). Colombia, Medellín: Universidad Nacional de Colombia, Facultad de Ciencias - Escuela de Química.spa
dc.relation.referencesSevillano B., F. J. (2015). Equipo de clasificación de semillas basado en visión artificial. Implantación sobre hardware libre. Valladolid: UNIVERSIDAD DE VALLADOLID ESCUELA DE INGENIERIAS INDUSTRIALES.spa
dc.relation.referencesSevillano Bustos, F. J. (2015). Equipo de clasificación de semillas basado en visión artificial. Implantación sobre hardware libre. Valladolid: Universidad de Valladolid.spa
dc.relation.referencesSilva, S., & Freire, E. (23 de Noviembre de 2019). Introducción a las redes neuronales convolucionales. Obtenido de 71 https://bootcampai.medium.com/redes-neuronales-convolucionales5e0ce960caf8spa
dc.relation.referencessitiobigdata. (1 de mayo de 2019). Innovaciones arquitectónicas en redes neuronales. Obtenido de https://sitiobigdata.com/2019/05/01/innovaciones-arquitectonicasredes-neuronales-clasificacion-imagenes/#spa
dc.relation.referencesSoto Archila, M. F. (2020). Construcción de un Prototipo de una Máquina Selectora de Semillas de Sacha Inchi. Bucaramanga,: Univseridad Autonoma de Bucaramanga.spa
dc.relation.referencesValdes Avila, L. S., & Baquero Vanegas, J. M. (2019). Deep Learning aplicado a imagenes satelitales como herramienta de detección de viviendas sin servicio de energia en el caserio Media Luna-Uribia-Guajira. Bogota, Colombia: Universidad Distrital Francisco Jose de Caldas.spa
dc.relation.referencesWeber, C., Dai Pra, A. L., Rabal, L. I., J., H., Trivi, M., & Poggio Agurre, G. J. (2014). Determination of maize hardness by biospeckle and fuzzy granularity. Food Science Nutrition, 2(5), 557-564.spa
dc.contributor.cvlacRueda Sánchez, Oscar Eduardo [0000100258]spa
dc.contributor.cvlacGonzález Acevedo, Hernando [0000544655]spa
dc.contributor.googlescholarRueda Sánchez, Oscar Eduardo [WtioYOUAAAAJ]spa
dc.contributor.googlescholarGonzález Acevedo, Hernando [V8tga0cAAAAJ&hl=es]spa
dc.contributor.orcidRueda Sánchez, Oscar Eduardo [0000-0001-6147-5980]spa
dc.contributor.orcidGonzález Acevedo, Hernando [0000-0001-6242-3939]spa
dc.contributor.scopusGonzález Acevedo, Hernando [55821231500]spa
dc.contributor.researchgateRueda Sánchez, Oscar Eduardo [Oscar-Sanchez-37]spa
dc.contributor.researchgateGonzález Acevedo, Hernando [Hernando_Gonzalez3]spa
dc.subject.lembMecatrónicaspa
dc.subject.lembVisión artificialspa
dc.subject.lembDesarrollo de prototiposspa
dc.subject.lembMétodos de simulaciónspa
dc.subject.lembVisión por computadorspa
dc.subject.lembTeoría de las máquinasspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.description.abstractenglishThis project focuses on the improvement of the artificial vision method implemented in the project "Construction of a Prototype of a Machine Sacha Inchi Seed Selector" which concluded with a prototype of sorting machine, which allows a dosing process to be carried out and with the implementation of certain additional devices allows the subsequent computational processing to select the seeds depending on their color and shape. It is also important to highlight that certain physical or structural modifications in said prototype machine due to the needs presented during the current project, in order to achieve an improvement in the classification process. The seeds entered into the prototype sorting machine are raised to the previous ones from the shelling stage, which are mixed between light brown capsules and dark brown seeds seen in the general process of obtaining oil from the Plukenetia seed or better known as Sacha Inchi.spa
dc.subject.proposalMaquina clasificadoraspa
dc.subject.proposalProcesamiento computacionalspa
dc.subject.proposalAlgoritmo inteligentespa
dc.subject.proposalPrototipospa
dc.subject.proposalSacha inchispa
dc.type.redcolhttp://purl.org/redcol/resource_type/TP
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.contributor.apolounabGonzález Acevedo, Hernando [hernando-gonzalez-acevedo]spa
dc.contributor.apolounabRueda Sánchez, Oscar Eduardo [oscar-eduardo-rueda-sánchez]spa
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.description.learningmodalityModalidad Presencialspa


Files in this item

Thumbnail
Name:
2022_Tesis_Rangel Blanco(1).pdf
Size:
3.090Mb
Format:
PDF
Description:
Tesis
View/Open
Thumbnail
Name:
2022_Licencia_Rangel_Blanco_Is ...
Size:
104.6Kb
Format:
PDF
Description:
Licencia
View/Open

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 2.5 Colombia
Except where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 2.5 Colombia