Olive Ripening Phase Estimation based on Neural Networks

Presentación del tema: "Olive Ripening Phase Estimation based on Neural Networks"— Transcripción de la presentación:

1 Olive Ripening Phase Estimation based on Neural Networks
Marco Mora, Jorge Aliaga, and Claudio Fredes Laboratorio de Investigaciones Tecnológicas en Reconocimiento de Patrones LITRP Universidad Católica del Maule Talca, Chile

2 Fondo de Fomento al Desarrollo Científico y Tecnológico FONDEF
Contexto Global de la Investigación Proyecto FONDEF ID15i10142 Estimación del Contenido de Aceite en Olivas en base a Tecnologías no Destructivas Fondo de Fomento al Desarrollo Científico y Tecnológico FONDEF Gobierno de Chile Objetivo: Estimar con precisión el contenido de aceite mediante información VIS-NIR proveniente de imágenes en color y espectros NIR de olivas aceiteras

3 Motivación: 6 Fases de Color de la Oliva
Fase Fase Fase Fase Fase Fase 6 Fase 1: Verde Fase 2: Verde Amarillento Fase 3: Pocos Puntos Rojizos Fase 4: Muchos Puntos Rojizos Fase 5: Púrpura Fase 6: Negro Estado de Madurez, Contenido de Aceite, Momento de Cosecha. Identificación Visual por experto humano. Propensa a errores, subjetiva, poco representativa. Una oliva tiene una distribución de colores. Objetivo: Desarrollar método para estimar fase de color mediante imágenes digitales

4 Esquema de la Presentación
Adquisición y Segmentación de Imágenes de Olivas Construcción de Escala de Colores Descriptor para representar el color Clasificador basado en Redes Neuronales Resultados Conclusiones y Trabajos Futuros

5 Adquisición y Segmentación de Imágenes de Olivas

6 Creación de Escala de Colores para las Olivas

7 Descriptor para Distribución de Color: Histograma de Color

8 Clasificador basado en Redes Neuronales
Fase 1 Fase 2 Fase 3 Fase 4 Fase 5 Fase 6 67% % %

9 Resultados

10 Conclusiones y Futuros Trabajos
Desarrollo de escala de color unidimensional adaptada al color. Propuesta de descriptor para representar distribución de color de olivas. Clasificador basado en MLP para datos no-linealmente separables. Descriptor de alta representatividad y elevado porcentaje de acierto. Futuros Trabajos Análisis de modelos de invariantes de color para trabajo en campo. Métodos de calibramiento de imágenes en campo. Uso de celulares para adquirir imágenes en campo.

11 ¡GRACIAS POR SU ATENCIÓN!
Agradecimientos Proyecto FONDEF ID15i10142 Estimación del Contenido de Aceite en Olivas en base a Tecnologías no Destructivas Marco Mora, Claudio Fredes, Marcos Carrasco, Lisandro Roco Fondo de Fomento al Desarrollo Científico y Tecnológico (FONDEF) Gobierno de Chile ¡GRACIAS POR SU ATENCIÓN!