MONOGRAFIA: DISPOSITIVOS PARA CAPTURA DE IMAGENES DIGITALES EN LA DETERMINACION DE CARACTERISTICAS FISICAS DE FRUTOS – CASO DE ESTUDIO AGUACATES HASS.
PROYECTO DE GRADO
REQUISITO PARA OBTENER EL TITULO DE INGENIERAS EN SISTEMAS
AUTORES:
ANGELICA BIBIANA LOPEZ VELASQUEZ JENNY LORENA ARANGO ARIAS
UNIVERSIDAD TECNOLOGIA DE PEREIRA FACULTAD DE INGENIERIA
INGENIERIA EN SISTEMAS PEREIRA
2021
MONOGRAFIA: DISPOSITIVOS PARA CAPTURA DE IMAGENES DIGITALES EN LA DETERMINACION DE CARACTERISTICAS FISICAS DE FRUTOS – CASO DE ESTUDIO AGUACATES HASS.
PROYECTO DE GRADO
REQUISITO PARA OBTENER EL TITULO DE INGENIERAS EN SISTEMAS
AUTORES:
ANGELICA BIBIANA LOPEZ VELASQUEZ JENNY LORENA ARANGO ARIAS
DIRECTOR:
INGENIERO CARLOS AUGUSTO MENESES ESCOBAR
UNIVERSIDAD TECNOLOGIA DE PEREIRA FACULTAD DE INGENIERIA
INGENIERIA EN SISTEMAS PEREIRA
2021
DEDICATORIA
A nuestra familia, amigos, profesores, que sin lugar a duda siempre confiaron y creyeron
en nuestras capacidades, a ellos por estar siempre presentes, y brindarnos la fortaleza cuando más lo necesitábamos les agradecemos porque por ellos podemos ser lo que hoy somos.
RESUMEN
Los dispositivos para capturar imágenes digitales que pueden determinar características físicas de los frutos se puede definir como una gran herramienta la cual les permite a los seres humanos acercasen más a un mundo digital que permitirá sacar el máximo provecho de su entorno.
A partir de lo anterior se plantea la siguiente pregunta de investigación ¿Qué dispositivos tecnológicos se pueden usar para determinar características físicas de los frutos, basadas en imágenes digitales? Por lo que el objetivo de este trabajo es realizar una recopilación de los mejores dispositivos para capturar imágenes digitales. Para llevar a cabo el objetivo, el estudio se estructuro en conocer el estado de arte en Colombia respecto a estas tecnologías, después en recopilar los mejores dispositivos existentes para la captura de imágenes, después tenemos los tipos de cámaras con las tecnologías más usadas para capturar imágenes digitales de todo tipo por ultimo las conclusiones de este trabajo, que busca responder a la pregunta de investigación y llevar a cabo los objetivos de este.
ABSTRACT
Devices to capture digital images that can determine physical characteristics of the fruits can be defined as a great tool which allows human beings to get closer to a digital world that will allow them to get the most out of their environment. From the above, the following research question arises: What technological devices can be used to determine physical characteristics of the fruits, based on digital images? So, the objective of this work is to make a compilation of the best devices to capture digital images. To carry out the objective, the study was structured in knowing the state of the art in Colombia regarding these technologies, then in collecting the best existing devices for capturing images, then we have the types of cameras with the most used technologies to capture digital images of all kinds finally the conclusions of this work, that seeks to answer the research question and carry out its objectives.
1. INTRODUCCION
Uno de los sentidos más importantes de los seres humanos es la visión. Ésta es empleada para obtener la información visual del entorno físico. La visión artificial por computadora es una disciplina en creciente auge con multitud de aplicaciones, como inspección automática, reconocimiento de objetos, mediciones, robótica etc.
El futuro es aún más prometedor; la creación de máquinas autónomas capaces de interaccionar inteligentemente con el entorno pasa necesariamente por la capacidad de percibir. Los cambios tecnológicos, desde la antigüedad, generalmente habían tendido a facilitar el trabajo humano, reemplazando la fuerza física por la capacidad mental y la inteligencia de los trabajadores. En la actualidad, el desarrollo alcanzado por los productos informáticos tiende a reemplazar también la parte más rutinaria y mecánica de la actividad mental humana por el trabajo de las computadoras. La visión artificial (o visión por computador) es una disciplina compleja que involucra otras ciencias. El continuo desarrollo de nuevos algoritmos, funciones y aplicaciones, hacen de esta disciplina y del procesamiento digital de imágenes (PDI) una tecnología en constante evolución.
Las nuevas tecnologías de software y hardware se van incorporando cada vez más en nuestra vida cotidiana. Las imágenes digitales están siendo muy utilizadas para hacer reconocimiento de datos, elementos y en general soportar soluciones inteligentes por medio de técnicas de visión artificial. Estas aplicaciones son actualmente una realidad gracias a los avances en el dominio del área de conocimiento que es enmarcada dentro de las ramas de la inteligencia artificial, permitiendo el estudio del procesamiento, análisis e interpretación imágenes.
En el presente trabajo se pretende identificar dispositivos tecnológicos para la captura de imágenes digitales, que puedan ser usados en la detección de algunas características físicas externas de frutos y específicamente de aguacate hass.
2. JUSTIFICACION
Conocer las características de dispositivos para la captura de imágenes digitales, permite a investigadores proponer nuevas soluciones que optimicen recursos y tiempos de respuesta para la detección de características en frutos, lo que se puede aplicar en detección de patologías, calidad y grado de madurez, entre otros.
El documento resultante de este trabajo puede servir de consulta, no solo para el desarrollo de soluciones en el dominio del problema (agro), sino en otras áreas como la medicina, ciudades inteligentes, el medio ambiente, entre otras.
En el presente trabajo se propone indagar sobre los diferentes dispositivos de visión artificial que implica un abordaje investigativo desde el desarrollo tecnológico, con el fin de mejorar la calidad en la inspección del fruto con respecto a los sistemas implementados y al análisis manual realizado actualmente. Se pretende con este documento tener una perspectiva más amplia sobre los dispositivos que se están usando para la detección de imágenes, de esta forma tener información de que pueda servir de ayuda en ámbitos investigativos.
3. PLANTEAMIENTO DEL PROBLEMA
3.1. Situación problema
El análisis del estado de maduración de frutas en la antigüedad se realizaba mediante la observación (y a veces por tacto) de un experto. El desarrollo de las técnicas de análisis del estado de maduración de frutas ha experimentado un gran avance, principalmente desde la introducción de programas informáticos que proporcionan datos numéricos y gráficos que han permitido mejorar este análisis sin depender de evaluaciones subjetivas. Estas técnicas han permitido con mayor precisión hacer clasificación de frutas de acuerdo con algunas características de las mismas. Sin embargo, aún se tienen inconvenientes en tiempos de respuesta, precisión y costos.
Se dará a conocer una nueva perspectiva en la detección del estado de maduración del aguacate hass empleando sistemas embebidos y técnicas de visión artificial, haciendo que fortalezca la investigación y posteriormente el desarrollo de tecnologías para beneficio de la comunidad, como apoyo al análisis del estado de maduración de frutas en grandes, medianos y pequeños productores. [9]
Existen diversas técnicas para determinar el grado de madurez de una fruta, además de la percepción visual. Un método muy utilizado es la medición de la materia seca.
Esta técnica implica intervenir el fruto y no es posible aplicarla a los frutos que se desean comercializar, sino a muestras que posiblemente se van a desechar.
Tradicionalmente el método para medir la materia seca de un aguacate puede tomar varias horas entre cortar la fruta, pesarla, secarla en un horno común o en microondas y volver a pesarla. Sin embargo, con dispositivos que ayuden a determinar la madurez del fruto esta tarea podrá ser realizada en menos tiempo. [10] Uno de los mayores inconvenientes a la hora de presentar una solución para determinar características de frutos a partir de imágenes digitales tiene que ver con los dispositivos utilizados y la confiabilidad de las imágenes obtenidas como información base para hacer el análisis requerido. Algunos dispositivos generan imágenes con problemas de resolución, color, y demás, que permitan determinar las áreas de interés dentro de la misma imagen.
Conocer las características técnicas, y salidas de dispositivos para la generación de imágenes digitales, permitirá tener un abanico de posibilidades en la toma de decisiones, para la construcción de soluciones que permitan determinar características en frutos y específicamente en aguacate Hass.
3.2. Delimitación Del Problema
El campo de acción del presente proyecto de investigación se delimita al área de tecnología donde se clasifican los dispositivos electrónicos que basados en imágenes digitales sirven para identificar características de frutos.
3.3. Formulación Del Problema
¿Qué dispositivos tecnológicos se pueden usar para determinar características físicas de frutos y en particular aguacate Hass, basado en imágenes digitales?
3.4. Sistematización Del Problema
- ¿Cuáles costos pueden tener algunos dispositivos para la identificación de características físicas de frutos?
- ¿Es posible establecer el nivel de confiabilidad de la información proporcionada por los dispositivos tecnológicos para la captura de imágenes digitales?
3.5. Área temática:
Agricultura inteligente.
4. OBJETIVO GENERAL
Determinar dispositivos tecnológicos basados en imágenes digitales para la identificación de características físicas en frutos y específicamente de aguacate hass.
4.1. OBJETIVOS ESPECIFICOS
- Identificar dispositivos para medir características físicas de frutos a partir de imágenes digitales.
- Determinar las características de los datos que generan estos dispositivos.
- Clasificar los dispositivos de acuerdo con facilidad de acceso a ellos, interfaz con sistemas de cómputo y costos asociados.
- Propuesta de uso de tecnologías para la identificación de características físicas de frutos a partir de imágenes digitales.
5. METODOLOGIA
5.1 Modalidad de la investigación
5.1.1. Investigación bibliográfica-documental: Para conocer más acerca del tema, se utilizaron publicaciones científicas. De tal forma que se profundizó en el tema para adquirir conocimientos que ayudaron a la formulación de la propuesta.
5.1.2. Tipo de Investigación: los tipos de investigación que se desarrollaron fueron los siguientes:
5.1.2.1. Investigación Descriptiva: Se desarrolló la investigación descriptiva para conocer el fenómeno estudiado.
5.1.2.2.Investigación Analítica: Se desarrolló la investigación analítica para analizar en profundidad el fenómeno estudiado en torno a los dispositivos para el reconocimiento de maduración
5.1.3. Recolección de la información
La información del proyecto se recolectó de trabajos de investigación, papers, patentes, páginas de internet, libros de tecnología, revistas científicas y otros artículos que contengan información actualizada.
5.1.4. Procesamiento y análisis de datos
• Organización de la información de acuerdo con el tema
• Estudio de la información y obtención de conocimientos.
• Análisis de los resultados para verificar mejoras.
Descripción de actividades por cada objetivo
➢ Identificar dispositivos para medir características físicas de frutos a partir de imágenes digitales.
- Realizar una investigación sobre dispositivos disponibles para medir características físicas para sacar un listado de los mejores.
- Buscar trabajos que se hicieron con los mejores dispositivos para poder evaluar la calidad.
- Encontrar las ventajas y desventajas de estos dispositivos para solo dejar los mejores en capturar imágenes digitales.
➢ Determinar las características de los datos que generan estos dispositivos.
- Hacer un listado de los tipos de datos que arrojan los dispositivos.
- Hacer una base de datos para tener todas las características sobre resoluciones de estos dispositivos.
- Realizar una pequeña investigación para saber cómo se conectan y se sacas los datos de los dispositivos.
➢ Clasificar los dispositivos de acuerdo con facilidad de acceso a ellos, interfaz con sistemas de cómputo y costos asociados.
- Tener un listado ordenado sobre las características de cada uno de los dispositivos.
- Realizar una base de datos donde tener los dispositivos de acuerdo nivel de dificultad.
- Hacer una encuesta con personas que lo has usado para facilitar su uso.
➢ Propuesta de uso de tecnologías para la identificación de características físicas de frutos a partir de imágenes digitales.
- Hacer una campaña informativa donde se muestren los beneficios de usar estas tecnologías.
- Tener ejemplos de empresas que usan estos dispositivos.
6. ESTADO DEL ARTE
En Colombia, podemos encontrar proyectos relacionados con visión artificial orientada a la industria del alimento, proyectos tales como la visión Artificial aplicada al proceso de producción del Café [39] el cual fue desarrollado por la Universidad Nacional de Colombia sede Manizales con la intención de apoyar a la industria cafetera en el control del producto de manera tal que se pueda obtener una mayor calidad en el mismo. Esta tecnología también ha incursionado en ciencias tales como la medicina en proyectos tales como detección de patologías celulares empleando visión artificial10.
Cada vez son más las industrias que implementan esta tecnología, por ejemplo, ALMACAFE, una empresa de la federación nacional de cafeteros de Colombia, para el control de calidad de los granos de café, utiliza maquinas tricromáticas alemanas que, a través del estudio de la gama de colores del café sin tostar, se encarga de seleccionar los granos defectuosos y retirarlos de la banda transportadora. Universidades tales como la de Antioquia, brindan estudios de postgrados relacionados o afines con la visión artificial, lo cual demuestra que esta tecnología está cobrando cada vez más mayor importancia en este país.
En Colombia, una de las empresas que tiene mayor presencia en proyectos de sistemas de visión por computador para la industria es la empresa alemana SIEMENS, la cual desarrolla productos que van desde inspección de objetos, detección de formas y control de calidad hasta seguridad industrial.
Desde hace pocos años, muchas universidades de Colombia han venido generando investigaciones en cuanto a visión por computador se refiere. Entre estas universidades se encuentran: la Universidad Nacional de Medellín con su Grupo en Investigación y Desarrollo en Inteligencia Artificial (GIDIA) y la universidad militar Nueva Granada con el Grupo de Investigación en Multimedia “GIM”, entre otros.
6.1. MARCO REFERENCIAL
6.1.1. Análisis de imágenes multiespectrales adquiridas con vehículos aéreos no tripulados
En este trabajo se muestran las experiencias del Grupo de Automatización, Robótica y Percepción (GARP) de la Universidad Central “Marta Abreu” de Las Villas (UCLV) y de la Estación Territorial de Investigaciones de la Caña de Azúcar (ETICA) en la utilización de un vehículo aéreo no tripulado (VANT) en la fotogrametría multiespectral, específicamente en el mapeo de sembrados experimentales de caña de azúcar.
Se realizaron pruebas experimentales con dos de los mejores softwares de procesamiento de imágenes disponibles en el mercado, Agisoft Photoscan y Pix4D, generándose los ortomosaicos 3D y mapas de índices NDVI (Índice Normalizado Diferencial de Vegetación). Se evalúan ambos programas en cuanto a facilidad de uso, tiempo de procesamiento y calidad visual del producto y se definen las condiciones de vuelo del VANT para un adecuado procesamiento de las imágenes recolectadas con la cámara multiespectral Parrot Sequoia. Los resultados indicaron a Pix4D como el programa más eficiente para realizar los cálculos de índices vegetativos, ya que este incorpora correcciones radiométricas específicas a los ortomosaicos. Se analizaron los resultados alcanzados con agrónomos expertos de la ETICA, realizando comparaciones entre los distintos grupos de imágenes procesadas y la correlación entre los mapas de índices con la variedad de caña sembrada, su edad, los niveles de vigor vegetal y otras variables agrícolas. Los resultados obtenidos demuestran que la respuesta espectral permite discriminar los campos en dependencia de la edad y densidad poblacional por parcelas, pero los mapas NDVI no posibilitan determinar las diferentes variedades sembradas en una misma fecha. [Ref.2] 6.1.2. Los drones una herramienta para una agricultura eficiente: un
futuro de alta tecnología
Este artículo es una revisión sobre el estado actual del uso de la tecnología de drones y los productos que se obtienen con sus vuelos programados. Se establecen los tipos utilizados con más frecuencia en la agricultura de precisión, los tipos de cámaras y/o sensores usados, las imágenes obtenidas luego del procesamiento de la información lograda con los sensores. Asimismo, se especifican las aplicaciones que se pueden realizar en la actualidad en las actividades o labores agrícolas, estimación de la evapotranspiración y contenido de humedad del suelo, nutrientes en los cultivos y rendimiento de los cultivos.
También se establecen las ventajas y desventajas del uso de esta tecnología,
desde aspectos técnicos hasta económicos, dando alternativas factibles para su utilización. [Ref.3]
6.1.3. Algunas consideraciones sobre el comportamiento de la sequía agrícola en la agricultura de Cuba y el uso de imágenes por satélites en su evaluación
La sequía agrícola ha sido calificada como un “desastre silencioso” que provoca impactos considerables en los sistemas agrícolas: en cultivos, pastizales, ganadería, suelos destinados a la producción, etc. Pero no solamente en la agricultura, también provoca efectos negativos en la población, la economía y el medioambiente. Sus causas fundamentales están dadas por la escasez de humedad atmosférica, la insuficiencia de sistemas generadores de lluvia o la persistencia de una fuerte subsidencia, o bien, a la combinación de algunos de estos factores, las cuales deben ser estudiadas en el contexto de la circulación general de la atmósfera. En Cuba, se han producido diferentes eventos de sequías a lo largo del tiempo, que han afectado a territorios de casi todo el país provocando pérdidas millonarias por el impacto en la producción agropecuaria y ecosistemas medioambientales, razón por la cual se hace necesario conocer y estudiar las causas, comportamiento y consecuencias de tales fenómenos, con vistas a fundamentar políticas y estrategias de enfrentamiento y aviso temprano dirigidas a reducir y mitigar sus impactos y garantizar la sostenibilidad ambiental y la seguridad alimentaria. [Ref.4]
6.1.4. La fotografía digital como una estética sociotécnica: el caso de la Iphoneografía
Se presenta el esbozo de una agenda de investigación que se erige como continuación de un proyecto de redefinición de la fotografía, desde la ciencia social, como un objeto de estudio más allá de su carácter representacional o semiótico. La propuesta se fundamenta en los hallazgos de un estudio sobre prácticas fotográficas que utilizó el método etnográfico. En la primera parte se plantea el marco teórico, problematizando a la fotografía como representación y reformulándola desde su materialidad, uso y tecnologías, para definirla como una red sociotécnica que se visibiliza en prácticas. La segunda parte describe la relación entre la fotografía y el establecimiento de una propuesta estética a través de las prácticas que la constituyen, para después centrarse en Iphoneografía. Finalmente, se establecen cuestionamientos. [Ref.5]
6.1.5. Escaneado en 3D y prototipado de piezas arqueológicas : las nuevas tecnologías en el registro, conservación y difusión del Patrimonio Arqueológico
Al plasmar un objeto de tres dimensiones en un soporte bidimensional como es el papel, se tiene que realizar una abstracción, que necesariamente pasa por una simplificación de la realidad geométrica del objeto. Por más secciones que podamos realizar sobre el papel a un objeto como la hebilla liriforme que vamos a presentar, la pérdida de información volumétrica es más notoria que si la hacemos directamente en un modelo 3D. Además, el tipo de aparato empleado permite realizar fotografías en color para generar el modelo virtual con el color real de la pieza. Con ello se consigue que la representación sea más realista, ya que con el empleo de esta realidad virtual podemos hacernos una idea más aproximada del aspecto exterior de la pieza.
Es más fácilmente comprensible, más «visual», que el tradicional dibujo en blanco y negro, en donde en ocasiones hay que colocar una leyenda que explique los colores que hay que imaginar, porque la impresión de una fotografía o dibujo a color en una publicación es excesivamente cara. Todo ello redunda en una mayor accesibilidad e interactividad del objeto escaneado con el investigador o público que examina la pieza, puesto que además del comentado aumento de calidad del registro, con su digitalización se puede conseguir un mayor intercambio de la información, ya que su formato digital está ya preparado para ser colgado directamente en la red y poder consultarse simultáneamente en diferentes lugares
El proceso de escaneado de la pieza, como ya hemos dicho, lo llevó a cabo el técnico D. En primer lugar, se realizaron unas pruebas para ver cómo capturaba el escáner la superficie de la pieza, procurando observar cual era la orientación más idónea con el fin de evitar que quedasen zonas opacas o muertas, es decir, sin lectura14. La pieza en cuestión se trata de una hebilla liriforme, con una cronología aproximada entre la 2 mitad del VII y principios del VIII d.
Posteriormente, con un torno giratorio conectado al ordenador, mediante giros de 90 se hicieron cuatro lecturas de la pieza hasta completar la vuelta completa y así obtener su imagen digital Cada lectura se hizo con el modo de máxima precisión de los dos que permite la máquina, es decir, con más de 300.000 puntos por lectura. Tras la sistematización de los datos obtenidos se obtuvo el modelo digital de la pieza.
Una vez conseguido el mallado del objeto, se procedió a la captura de una fotografía de color verdadero por medio del escáner con el fin de incrustarla en el modelo generado y de esta manera tener una imagen más «real» de la pieza.
Tras la sistematización de los datos obtenidos se obtuvo el modelo digital de la pieza. El programa utilizado para este procesamiento y tratamiento ha sido rapidform2006, que resultó ser una potente y eficaz herramienta de grandes prestaciones para la generación del modelo virtual. Una vez conseguido el mallado del objeto, se procedió a la captura de una fotografía de color verdadero por medio del escáner con el fin de incrustarla en el modelo generado y de esta manera tener una imagen más «real» de la pieza. Es por ello, que se nos brindó la oportunidad de utilizar la técnica del prototipado y comprobar cómo íbamos a maximizarel rendimiento de tener unos datos precisos con la menor pérdida geométrica posible, y todo ello en 3D.
La técnica del prototipado rápido no es nueva, como pudiera pensarse, aunque efectivamente evoluciona a un ritmo vertiginoso18. De los primeros modelos, con menor precisión y más costosos, se está llegando a niveles de precisión de hasta 16micras por capa e incluso inferiores, y a precios «competitivos» dentro de lo gravoso que resulta el empleo de esta técnica. Los materiales que se han empleado en el desarrollo histórico de la técnica han sido variados 19, si bien los que se han emplea-do aquí han sido los poliméricos. Con esto se consigue que con un modelo digital de la pieza la impresora aplique capas de 16 micras de espesor de dicho polímero y, una vez que se realiza una descarga de rayos ultravioleta, se quede instantáneamente endurecido para volver a proyectarse encima otra capa del modelo, así sucesivamente hasta acabar la pieza por completo. [Ref.6]
6.1.6. NUEVAS TECNOLOGÍAS Y SERVICIOS DE INFORMACIÓN GRÁFICA:
Reflexiones para el profesional de la información ante la digitalización de imágenes fijas
La utilización de imágenes fijas como recurso informativo es cada vez mayor en los servicios de información para distintos usos: proceso editorial, investigación, periodismo, publicidad, etc. Por ello, dichos servicios ven aumentado su fondo gráfico de manera exponencial. Las técnicas y procedimientos de digitalización y almacenamiento, junto al incremento de aplicaciones de gestión documental multimedia, permiten replantear la organización y recuperación en los servicios de documentación para integrar, en un mismo sistema, tanto el documento primario en forma de imágenes, como su descripción.
En esta comunicación se ofrece una visión genérica de las reflexiones, tanto desde el punto de vista técnico como documental, que debe seguir el profesional de la información para abordar la automatización de servicios de información gráfica a través de la creación de bases de datos de imágenes digitales [Ref.7]
6.1.7. Hipervisualidad. La imagen fotográfica en la sociedad del conocimiento y de la comunicación digital
En este texto se presenta la construcción de una nueva forma de pensar visualmente la sociedad y la cultura digital. El medio fotográfico ha cambiado con la llegada de la digitalización visual, nuevos modos de proceder y de interpretar las imágenes, nuevas maneras de establecer la mediación entre la imagen fija y la sociedad o cultura de referencia. Comunicamos de modo diferente y el público objetivo interpreta las imágenes también de modo diferente. Desde la Hipervisualidad se establece un marco de actuación, análisis e interpretación de la sociedad visual, un marco nuevo y actualizado a los tiempos digitales. De esta manera, las imágenes adquieren cada vez más importancia como nuevas estrategias de conocimiento en la sociedad actual.
[Ref.8]
6.2.MARCO TEORICO
A través de los años la visión artificial en especial el procesamiento digital de imágenes, se ha convertido en una de las técnicas para identificación, clasificación y precepción más utilizadas en la automatización de procesos en la industria, debido a sus ventajas en la identificación de patrones sobre imágenes y por las limitaciones de la visión humana para percibir anomalías en objetos diminutos, permitiendo extraer información relevante según la aplicación.
Particularmente en el caso de la identificación del estado de maduración de las frutas, esta permite extraer el color, la textura e identificar manchas presentes en el fruto. A nivel internacional la identificación del estado de madurez y calidad de frutas y hortalizas ha estado estrechamente ligada a atributos como color, apariencia, sabor y textura. Actualmente, el sector agrícola también ha realizado pruebas de detección de frutas a partir de atributos internos como control de calidad, tratando de dar respuesta a las exigencias de un mercado altamente competitivo.
[11]
A continuación, se describen las técnicas más relevantes en cuanto a la identificación del estado de madurez de frutas:
6.2.1. SISTEMAS VISIÓN ARTIFICIAL
Se puede dividir estos sistemas en dos grandes grupos, Sistemas de Visión bidimensionales y tridimensionales.
Un sistema de visión por computadoras está compuesto por dos partes, la primera que es la que configura su estructura básica desde el punto de vista el hardware, es decir el sistema de adquisición, captación y formación de imágenes, es mediante el cual se transmite la información del mundo físico y la lleva a la memoria del computador. Los principales elementos que intervienen en la formación y captación de imágenes son los siguientes el propio objeto de la escena, la cámara que se vaya a usar, el sistema de iluminación y la computadora. La imagen que se obtenga será el resultado de la forma, textura color, brillo, etc. del objeto que este en la escena. (Cerrada, 2002). La segunda parte es el sistema de tratamiento de imágenes, este es definitivamente el software del sistema que se ejecuta sobre el hardware ya descrito para cumplir la última misión de la visión por computador, es decir, la interpretación automática de una escena tridimensional a partir de las imágenes tomada de la misma.
El tratamiento de las imágenes se lo puede clasificar en tres categorías:
procesamiento, segmentación y reconocimiento, cada una contiene un conjunto de técnicas para el tratamiento de la imagen. (Cerrada, 2002)
6.2.2. PROCESAMIENTO DIGITAL DE IMÁGENES
El procesamiento digital de imágenes nace cuando se usa de recursos tecnológicos para manipular y captar grandes cantidades de información espacial en matrices de valores.
Históricamente, la primera vez que se usaron las técnicas de procesamiento de imágenes fue en el año 1920, con la transmisión de imágenes de fotografías periodísticas, a través del cable subterráneo entre New York y Londres, esto permitió reducir el tiempo emisión-recepción lo que tomaba 1 semana (por barco) se lo hizo en 3 horas (por cable). Y a partir de esto se ha logrado desarrollar técnicas de codificación y reproducción de imágenes logrando pasar la representación de las imágenes de 5 a 15 tonos de grises. En el caso de la captura de imágenes, existen dos causas por la cual haya pérdida de información cuando se realiza este procedimiento: la naturaleza discreta de los pixeles de la imagen y los rangos limitado de valores de intensidad de luminoso que somos capaces de medir en cada pixel. [33].
Observemos que, en las máscaras de Sobel, tienen más peso los píxeles situados en posición vertical y horizontal respecto el píxel estudiado que los situados en la diagonal. Este operador es menos sensible al ruido.
Operador cruzado de Roberts En este caso, se suelen usar dos máscaras para modelizar el gradiente:
Fx=[ −1 0 0 1 ] Fy=[ 0 −1 1 0 ]
La ventaja de este operador es que es fácil y rápido de computar. Sólo está implicado un entorno de vecindad de 4 píxeles y sólo se usan sumas y restas en los cálculos. La principal desventaja es que, si lo que se quiere es determinar bordes, es muy sensible al ruido y tiene una respuesta débil a los verdaderos bordes, a menos que sean muy pronunciados. Para este propósito funciona mejor el operador de Sobel.
Operador Laplaciano. El laplaciano de una función bidimensional f es un operador de derivación isotrópico (independiente de la dirección de la discontinuidad en la imagen) definido por:
∇ 2𝑓 = 𝑑 2𝑓 𝑑𝑥2 + 𝑑 2𝑓 𝑑𝑦2
Como en el caso del gradiente, la formulación del laplaciano puede implementarse en forma digital de varias maneras. La más frecuente en la práctica es aplicar la siguiente máscara:
Nótese que la suma de los coeficientes de la máscara debe ser cero, lo que es coherente en el caso de que el punto en cuestión y sus vecinos tengan el mismo valor. Los píxeles del borde darán como respuesta un número negativo (o positivo)
“grande”. El Laplaciano no se suele usar directamente en la práctica por ser muy sensible al ruido, por lo que se suele usar sumado o restado (según la máscara usada) con la imagen original para realzar los contornos, como en el ejemplo siguiente. Por la misma razón, también a veces se usa primero un filtro gaussiano para eliminar ruido, lo que da lugar al filtro llamado Laplaciano del Gaussiano (LoG), cuyo núcleo puede calcularse componiendo ambos:
Son algunos de los filtros que trabajan en el domino del espacio, que se usan para resaltar características, en este caso los bordes. [42]
6.2.3. CLASIFICACION DE SISTEMAS DE VISION ARTIFICIAL basado en imágenes
a) SISTEMAS DE VISIÓN BIDIMENSIONALES
Como su nombre lo indica, estos sistemas tratan la imagen en dos dimensiones, es decir, de forma plana, y aunque son los más utilizados, estos presentan ciertas restricciones como, problemas con la superposición de objetos, necesidad de un medio muy controlado (luz, interferencias, etc.) para obtener una imagen final de buena calidad, se hace necesario utilizar imágenes binarias para obtener contornos y formas de los objetos, entre otras.
b) SISTEMAS DE VISIÓN TRIDIMENSIONALES
Estos sistemas tratan de corregir los errores de superposición y yuxtaposición de los sistemas de visión 2D. Sus aplicaciones van desde la medicina en cirugía moderna y escáneres cerebrales hasta la arquitectura con la reconstrucción de ambientes basados en imágenes estereoscópicas. [24]
6.2.4. ETAPAS DE UN SISTEMA DE VISIÓN POR COMPUTADOR Los procesos antes mencionados en los sistemas de visión artificial pueden ser subdivididos en 6 etapas principales: Adquisición, preprocesamiento, segmentación, descripción, reconocimiento de patrones e interpretación de la escena [40].
6.2.4.1. Adquisición de Imágenes: Este es el proceso mediante el cual se obtiene una imagen del mundo real, a través de un sensor (cámara, escáner, etc.) que luego será procesada y manipulada.
Sistema básico de adquisición de imágenes
Para tratar esta primera etapa, se hace necesario tener claro un concepto importante: imagen. Una imagen es una función bidimensional simbolizada por f(x, y), donde x, y son coordenadas espaciales. Una imagen continua representarse mediante una matriz N fila y M columnas.
Esta matriz es la representación digital de la imagen.
Para el buen tratamiento y estudio de la imagen en un sistema de visión artificial, es importante tener en cuenta ciertos factores como luminosidad, interferencia, fondo de la imagen y resolución. [22].
6.2.4.1.1. Sensor de adquisición. El sensor de adquisición es el dispositivo encargado de capturar la imagen del mundo real.
Estos son dispositivos sensibles a la luz que varían la señal eléctrica de acuerdo con la misma, es decir, su señal eléctrica
se encuentra en función de la intensidad luminosa que reciben.
6.2.4.1.2. Iluminación: la naturaleza de la luz, su posición y la manera en que la luz se refleja del objeto, pueden afectar la calidad de la imagen que se desea procesar mediante el sistema de visión. Una inadecuada iluminación puede sobrecargar la imagen de información innecesaria como sombras, reflejos, altos contrastes, etc. lo cual disminuye el desempeño del sistema de visión. Los dos factores relevantes de la iluminación son:
6.2.4.1.2.1.Intensidad de la luz: la luz debe ser lo suficientemente intensa para que pueda ser direccionada y reflejada en la cámara haciendo de esta manera visible al objeto.
6.2.4.1.2.2.Posición de la fuente de luz: La posición de la luz varía de acuerdo con el tratamiento que se le vaya a aplicar a la imagen. Si el objeto de estudio de la imagen es su color y textura, la mejor posición sería de frente al objeto. Si por el contrario el tratamiento estará orientado al estudio de forma, área, longitud, etc. La posición óptima de la fuente de luz sería a “contraluz”, es decir, detrás del objeto.
6.2.4.1.3. Vecinos de un píxel: los vecinos de un píxel p, son aquellos que “rodean” a este, formando una región. La utilidad de estos píxeles se extiende desde suavizado hasta zoom o ampliación de la imagen.
6.2.4.2.PREPROCESAMIENTO: Es la transformación de una imagen en otra, es decir, a través de una imagen se obtiene otra modificada, cuyo propósito es hacer el análisis posterior más simple y fiable.
Existen infinidad de técnicas de Preprocesamiento de imágenes, pero muy pocas satisfacen el bajo costo computacional. Dentro de estas, tenemos, métodos en el dominio del espacio y en el dominio de la
frecuencia. A continuación, se describen cada uno de ellos:
Corrección de imagen mediante filtro Gaussiano
6.2.4.2.1. Métodos en el dominio del espacio: El dominio espacial, se refiere a los pixeles que componen la imagen, es decir, estos métodos tratan directamente a los pixeles de la imagen, usando factores tales como vecinos de un pixel, proximidad espacial, etc. Las funciones de estos métodos pueden ser expresadas de la siguiente manera: g(x, y) = h[f(x, y)], donde g(x, y) es la imagen obtenida después del procesamiento, f(x, y) es la imagen de entrada, es decir, la imagen original y es un operador sobre definido sobre algún tipo de entorno o vecindad.
6.2.4.2.2. Métodos en el dominio de la frecuencia: El dominio de la frecuencia se trabaja con un grupo de pixeles resultantes de aplicar la transformada de Fourier a una imagen, debido a que esta transformada descompone una señal en componentes de frecuencias diferentes, es decir, que la transformada de Fourier de una señal, equivale al espectro de frecuencia de la misma.
6.2.4.2.3. Suavizado: Las operaciones de suavizado son útiles para reducir el ruido y otros efectos no deseados que pueden estar presentes en una imagen digital como resultado del muestreo, cuantización y transmisión, o bien por perturbaciones en el
sistema tales como partículas de polvo en el sistema óptico [41].
Dentro del suavizado, encontramos técnicas tales como:
promediado del entorno de vecindad, filtración de la mediana, promediado de imágenes y suavizado binario de imágenes.
6.2.4.2.4. Manejo del histograma: El manejo del histograma es comúnmente utilizado para corregir brillo y contraste de una imagen: “La modificación del histograma permite cariar la distribución de los niveles de gris o color en la imagen y en consecuencia su contenido”.
6.2.4.2.5. Las propiedades estadísticas de los histogramas tienen relación directa con propiedades físicas, por ejemplo, la media de un histograma brinda información sobre el brillo de la imagen y por otro lado la varianza brinda información sobre el contraste.
6.2.4.3.SEGMENTACIÓN. “La segmentación es el proceso mediante el cual se extrae de la imagen cierta información subyacente para su posterior uso” es el proceso de subdividir una escena en sus componentes u objetos. Este proceso está basado en dos principios fundamentales: discontinuidad y similitud, donde con la discontinuidad obtenemos bordes y con la similitud, regiones.
División de una imagen en objetos
6.2.4.3.1. Detección de Bordes: La detección de bordes representa dentro de esta etapa y dentro del sistema de visión, una parte importante, debido a que esta, nos permite definir el
comienzo de una región de la imagen, diferente, algo que posibilita la detección de objetos, longitudes, perímetros y un sinfín de características más. Según lo define la National Instruments: “Un borde es un cambio significativo en los valores de escala de grises de unos pixeles adyacentes de una imagen”18. Existen diferentes detectores de bordes, de los cuales, los más usados son los siguientes: detector de Sobel, detector de Prewitt y el detector de Robert. Estas técnicas se basan en el cálculo de un operador de derivada local.
Para la detección de bordes, basándonos en el hecho de la discontinuidad, se proponen los siguientes tipos de operadores:
Operadores primera derivada.
Operadores segunda derivada.
Operadores morfológicos.
6.2.4.3.2. Detección de regiones. Para la detección de regiones, son utilizados frecuentemente las siguientes técnicas:
Binarización basada en el uso de umbrales.
Crecimiento de regiones mediante la adición de píxeles.
División de regiones.
Similitud de textura, color o nivel de gris. [41]
6.2.4.4. DESCRIPCIÓN: Cuando ya han sido detectados regiones y contornos, a través del estudio de regiones conexas, se procede a extraer propiedades de la imagen, básicamente, reconocer los elementos o diferentes estructuras que componen la imagen. En esta etapa, se obtiene información acerca de aspectos tales como: tamaño, área y forma de las estructuras. Los descriptores pueden ser clasificados en tres categorías básicas: descriptores de frontera, descriptores de región y descriptores para representar estructuras tridimensionales. A continuación, se presenta una descripción de cada uno de ellos:
6.2.4.4.1. Descriptores de frontera: Son utilizados para representar una frontera como un conjunto de segmentos de longitud y dirección especificadas. Los descriptores de frontera estudian los límites de un objeto basándose en la detección de los bordes del mismo.
6.2.4.4.2. Descriptores de región: Estos descriptores no se basan en el estudio de las fronteras del objeto sino en la similitud de su
región, es decir, de los valores de píxel que se encuentran dentro de una frontera, lo cual posibilita la determinación de áreas, texturas y color de un objeto.
6.2.4.4.3. Análisis de componentes principales (Principal Components Analisys PCA) o transformada de Hotelling: Este análisis, es una herramienta comúnmente usada en tratamiento de imágenes y visión por computador, aunque su invención no fue destinada para tal propósito. PCA es una herramienta para el análisis de datos. A diferencia de otras transformadas, PCA se basa en métodos estadísticos y representaciones vectoriales. La aplicación que tiene PCA en visión por computador, es comúnmente para hallar características del objeto de estudio, tales como longitud, anchura, ángulo de rotación, etc.
Teniendo en cuenta que la matriz de covarianza es real y simétrica, entonces es posible encontrar un conjunto n de autovectores ortonormales. Sean ei y hi, i = 1,2, … , n, los autovectores y los correspondientes autovalores de Cs , ordenados por conveniencia en orden descendente, de modo que hj ≤ hj+1 , para j = 1,2, … , n — 1. Por definición, los autovectores y autovalores de una matriz C de dimensión n x n satisfacen la relación Cei = hiei eara i = 1,2, , … , n. Sea A una matriz cuyas filas están formadas por los autovectores de Cs, ordenados de forma que la primera fila de A es el autovector asociado con el autovalor de mayor valor y la última fila es el autovector asociado con el autovalor más pequeño.
Supongamos, que A es una matriz de transformación que transforma los x
vectores en y como sigue, y = A(x — Ns)
La anterior ecuación se denomina transformada de Hotteling.
Si tenemos un objeto de estudio para el PCA y este se trata como una muestra 2-D, es decir, que cada pixel tiene asociado un vector x = (a, b) t, donde a y b son los valores de las coordenadas del píxel con respecto a los ejes de xy de la muestra. Estos vectores se utilizan para obtener el vector medio y la matriz de covarianza de la muestra, es decir del objeto en este caso.
Si utilizamos un nuevo sistema de coordenadas cuyo origen es el centroide de la imagen, entonces tendremos que el autovector que tenga asociado el mayor autovalor tendrá la dirección de la longitud del objeto de estudio y el autovector de menor autovalor tendrá la dirección perpendicular a la dirección del primer vector.
6.2.4.5.RECONOCIMIENTO DE PATRONES: Según lo define Duda: “Reconocimiento de patrones es el acto de tomar unos datos en bruto y mediante estos realizar una acción basada en la categoría de patrones”20. El reconocimiento de patrones se encarga de estudiar unos objetos y categorizar los mismos en ciertas clases. Estos objetos según el caso de estudio, pueden ser imágenes, señales, texturas, etc. Para referirse a estos objetos, se utiliza el término de “patrones”. Los métodos clásicos para el reconocimiento de estos son:
el método estadístico (o teoría de la decisión) y el método sintáctico (o estructural). La computación ha avanzado de manera tan rápida, que con la capacidad actual de cómputo y de almacenamiento, es posible utilizar otro método más parecido al que usamos los seres humanos para el reconocimiento de patrones, el método basa en la “apariencia”.
Ahora, trasladándonos al tema principal de este proyecto, el cual es el análisis de algunas propiedades físicas del aguacate de exportación, a través de un sistema de visión por computadora, para determinar si la fruta analizada es apta o no para el empaque, son claras las bondades que traería para esta industria, la implementación de un sistema de este tipo, como por ejemplo: la fruta no tendría contacto externo con algún agente físico que pudiera ocasionar daños en la superficie externa de la misma, las medidas arrojadas por la maquina a través de la visión, serían muy precisas en comparación con las arrojadas por un trabajador y los tiempos de calibración se reducirían debido a la capacidad de proceso de la imagen de la computadora. [41]
Por lo tanto, la visión por computadora representa una clara opción tecnológica para muchas de las industrias
actuales, la cuales deseen llevar sus procesos de una manera automatizada, garantizando de esta manera un mayor desarrollo de las mismas.
6.3. DETECCIÓN Y CLASIFICACIÓN DE DEFECTOS EN FRUTAS MEDIANTE EL PROCESAMIENTO DIGITAL DE IMÁGENES [37]
Figura 0. Algoritmo general utilizado en la detección de defectos.
Fuente: (37- Pencue & León Téllez, 2003)
Etapas de un sistema de visión artificial
- La primera etapa consiste en la captura o adquisición de las imágenes digitales por medio de un sensor o una cámara fotográfica.
- La segunda etapa consiste en el tratamiento digital de las imágenes. En esta etapa mediante filtros y transformaciones geométricas, se eliminan o se realzan partes deseadas de la imagen.
- La tercera etapa es la segmentación, y consiste en aislar los elementos que se desean de una escena para comprenderla.
- La cuarta etapa es el reconocimiento o clasificación. En ella se distinguen los objetos segmentados, mediante al análisis de ciertas características que se establecen previamente para diferenciarlos.
En el ámbito del agro, a nivel regional se han realizado investigaciones de gran aporte en relación con la línea de visión por computadora, estos estudios han permitido plantear el desarrollo de este proyecto de titulación desde una perspectiva mucho más posible, encaminando los procedimientos y técnicas a estudiar para la obtención de mejores resultados respecto a la
clasificación de acuerdo con el tamaño del aguacate Hass. De esto tenemos los siguientes estudios.
En la Universidad Autónoma del Caribe de Colombia, en el año 2009 se realizó un sistema que utiliza técnicas de visión artificial para la ayuda en la clasificación de café cereza, además de determinar el estado de maduración, desde sus etapas iníciales, a partir de 9 características, que incluían medias de color, textura y el tamaño y forma del café. (Sandoval Z. &., 2009)
El tamaño y forma generalmente es elipsodial-esferica, independiente de su estado de madures y la forma elipsoidal se define con un centro y tres ejes de simetría, esta forma va variando en cuanto va creciendo, pero cuando está en el punto óptimo del proceso de maduración, debería tener la forma esférica, es decir los ejes de simetría son iguales, y si se sobrepasa de maduración, su estado físico regresa a una forma elipsoidal alargada. De las 9 características de la clasificación 2 eran de forma en las cuales se aplicaron el tratamiento de la imagen y el filtro de Sobel. En este estudio se implementó, mediante el uso de imágenes un clasificador Bayesiano cuyo desempeño, fue del 98%, pero también se recomienda profundizar en algoritmos de extracción de características y por ende mejorar el17 algoritmo de clasificación (Sandoval
& Prieto, 2009).
También en la Universidad Central de Santander (Colombia), se realizó un Sistema de Clasificación de aguacate has, en el año 2015, usando la herramienta toolbox de procesamiento de imágenes de Matlab, cuyo propósito es clasificar el aguacate has de acuerdo con el color y el tamaño, por medio del PDI (Procesamiento de Imágenes) se realizó, paso a paso el proceso de extracción de imágenes, la segmentación, y la obtención de información. La parte más importante fue la adquisición de las imágenes, porque con ellas inicia el PDI, la iluminación, al cámara web el área a capturar la imagen deben está en óptimas condiciones. (González, Woods, 1994). Se usó la herramienta Matlab para el procesamiento de la imagen, la adquisición de las variables, y la clasificación del color y el tamaño, para el tamaño, previamente estableciendo el área de aguacate has en tamaño óptimo, esto datos fueron ingresados a una red de decisiones. Tomado en cuenta que lo más importante era el color, hubo aguacate has de tamaño óptimo, pero que eran rechazados por estar con predominación de color verde. Así mismo hubo aguacate has de color amarillo predomínate, pero de tamaño pequeño.
La herramienta tecnológica se plantea como solución en el agro, puesto que conlleva procesos manuales con alto grado de errores y susceptibilidad en el proceso de clasificación por parte del trabajador (Romero, Marin, &
Jimenez, 2015). Otro estudio realizado también en Colombia, por el Instituto Tecnológico Metropolitano, Facultad de Ingeniería, hizo una metodología
para determinar las características de color, tamaño y formas para el proceso de selección de fresas de exportación. [37]
Después de realizar el PDI, se extrajeron datos para el cálculo del tamaño, se 18 determina por el máximo diámetro horizontal del cuerpo de la fresa, tomando los pixeles del diámetro horizontal(𝐷𝑝) con una imagen de un cuadro negro con dimensiones en mm conocidas, luego se obtiene una constante llamada x que relaciona a pixeles/mm. Y el tamaño máximo horizontal de la fresa es obtenida por la ecuación final:
𝐷 = 𝐷𝑝 𝑋
En la prueba del tamaño se obtuvo un error de menos del 6.5%, se usaron los clasificadores KNN, Perceptrón Simple, Mínimos Cuadros y un SVM lineal, dando un 100% la clasificación exitosa al usar SVM lineal. (Nilsen &
Madrigal, 2016).
6.4. DISPOSITIVOS
6.4.1. PENETRÓMETRO
Este instrumento proporciona un índice para la determinación del periodo más oportuno para recoger la fruta y una ayuda durante la conservación frigorífica a través del control de la marcha de la maduración (enternecimiento de la pulpa)
Para medir la dureza de una fruta disponemos de dos instrumentos diferenciados:
• Penetrómetro, para aquellas frutas "duras" como peras, manzanas, aguacates, etc.
• Durómetro. Medidor de dureza no destructivo para frutas
"blandas" que no se deben atravesar. (Tomate.Cereza, Ciruela, Uva, Pulpa de Melón)
Este PENETRÓMETRO es un medidor de dureza para el control de la madurez de la fruta.
El grado de madurez de la fruta ha sido tradicionalmente medido mediante el uso de refractómetros, los cuales ofrecen el porcentaje de azúcar del fruto.
Este valor es muy importante en tomates, cítricos, albaricoques, melocotones, y uvas. Frutas y verduras que generalmente se utilizan en la industria de transformación alimentaria y que suelen ser vendidas en función del contenido de azúcar.
La relación entre el contenido de azúcar y el de acidez de la fruta ha sido considerado el grado de maduración del producto.
Respecto a manzanas, peras, melocotones and ciruelas, es aconsejable valorar el grado de maduración también mediante otro índice que completa el anterior. Este puede ser averiguado mediante el uso del Penetrómetro (Fruit tester) que permite medir la consistencia de la pulpa de la fruta.
Estos valores son muy importantes en aquellas frutas que deben permanecer en cámaras de conservación y ser vendidas como fruta fresca, así como, para todas aquellas partidas que sufren un largo almacenaje y transporte hasta llegar al lugar donde serán consumidas.
Nuestro departamento de instrumental para horticultura ha podido comprobar la idoneidad de este instrumento portátil para los agricultores que quieren comprobar la consistencia de las frutas y hortalizas, antes de realizar el empaquetado de la mercancía de acuerdo con las calidades acordadas con el comprador en destino.
[44]
Características comunes a todos los modelos:
• Precisión: +/- 1% de la escala total a temperatura de 20ºC.
• Accesorios incluidos: Puntas, lámina de corte y cuchillo, todo en acero inox.
• Lectura del índice en kilogramos y en libras.
Uso del penetrómetro
• Tomar el penetrómetro entre el pulgar y el índice de la mano derecha.
• Apretar el botón para puesta a punto del instrumento.
• Situar la punta sobre el fruto y apretar progresivamente hasta hacer penetrar en la pulpa del fruto. Para cuando se alcanza el corte visible en el puntal. El puntal tiene que entrar en la pulpa progresivamente y no de golpe, si no la medición no será correcta.
• Para evitar posibles errores de medición y controlar mejor la penetración del puntal, apoyar la mano izquierda con el fruto a la pared, entonces con el brazo derecho rígido, apretar sobre el penetrómetro sobre el cuerpo.
• La lectura correcta será el valor medio de varias medidas.
Soporte manual para los penetrómetros:
Puede adquirir, como accesorio opcional, el soporte manual de los penetrómetros para fruta. Con este soporte podrá realizar las mediciones de dureza de una manera fácil y rápida.
6.4.2. DURÓMETRO DIGITAL
Fabricante: BAREISS Precio: 2.471 euros
Durómetro electrónico y digital. Medidor de dureza no destructivo para frutas "blandas" que no se deben atravesar.
Este instrumento proporciona una indicación del período más oportuno para la cosecha de la fruta y una ayuda válida durante la conservación frigorífica por medio del control de la evolución de la maduración. La característica principal del instrumento es su carácter no destructivo de la fruta, lo que permite realizar mediciones en los productos donde el penetrometro clásico, instrumento destructivo daña la fruta.
Este durómetro, es un instrumento que provee una lectura no destructiva del fruto.
Instrumento que, en combinación con diversos adaptadores, puede utilizarse en la determinación de ensayos para diferentes frutas y hortalizas.
- Lectura digital con precisión de décima de unidad.
- Permite programar el tiempo de ensayo.
- Con salida RS232 para el volcado de datos a PC.
Junto con el soporte opcional BS-61 se convierte en un equipo de laboratorio.
Incluye estuche.
La escala de graduación va de 0 a 100 0-100 Shore, dividida en 100 unidades. La ventaja importante de estos medidores de dureza de mano es la indicación precisa de los valores medidos.
Esta indicación exacta de los valores de medida es el resultado de la utilización del instrumento de medida de dureza junto con el adaptador oportuno para cada tipo de fruta u hortaliza
6.4.3. DURÓMETRO DIGITAL PARA FRUTAS Y HORTALIZAS.
AGROSTA 100 (DUROFEL DFT 100)
Precio: 3.436,40 €
El durómetro AGROSTA 100 (Durofel DFT 100) es un durómetro digital para la medición de frutas y hortalizas.
Mide la dureza y firmeza de tomates, ciruelas, uvas, cerezas, No es destructivo.
Este durómetro electrónico tiene un tope de profundidad integrado y es ideal para medir frutas y hortalizas blandas como cerezas, duraznos (melocotones), tomates, damascos, ciruelas, frutillas (fresas), kiwis, uvas etc. utilizando émbolos adaptados para cada fruta.
Los resultados instantáneos se visualizan en una pantalla de LCD incluyendo los valores de promedio, índice de homogeneidad (CV) de cada lote y almacenamiento y transferencia a PC vía USB.
Seguridad en los resultados:
Además de las medidas manuales e inmediatas, este medidor de dureza no destructivo permite almacenar los valores de las medidas y transferirlos posteriormente a un ordenador a través de USB. Luego podrá explorar las medidas y datos mediante EXCEL.
- Gran versatilidad: Posibilidad de adaptación para resolver problemas particulares
El durómetro Agrosta 100 (Durofel DFT 100) está integrado de nuevas características y funciones.
Este modelo de durómetro es de alta calidad y precisión, y está dotado de las últimas tecnologías:
- Electrónica más pequeña con cumplimiento de norma RoH´s
- Transferencia de datos a PC a través de USB.
- Baterías recargables de alto rendimiento.
- Diseño y ergonomía práctica y agradable.
- Datos fechados para una mejor trazabilidad.
- Producción robotizada.
- El durómetro electrónico Agrosta 100 (Durofel) se utiliza en especies de frutas pequeñas y blandas como la cereza, el durazno (melocotón), el tomate, la frutilla (fresa), el kiwi, el damasco, la ciruela, la uva y en ciertos derivados del caucho...
- El medidor de firmeza AGROSTA 100 (Durofel DFT 100) no penetra los productos, sino que mide la retracción superficial bajo la acción de una fuerza, de la misma forma que cuando se presiona una fruta con los dedos.
- El durómetro Agrosta 100 (Durofel) realiza mediciones no destructivas.
- Dispone de un limitador de profundidad integrado que le asegura una precisión inigualable.
- Es un medidor de dureza portátil y autónoma. Muestra instantáneamente el promedio del lote, el desvío standard y el coeficiente de variación.
- Permite grabar y almacenar el valor de las medidas y transferirlas posteriormente a un ordenador mediante puerto USB.
Video demostrativo de cómo tomar medidas con el durómetro digital no destructivo
Características principales:
- Área de medida: De 1 a 100 gd. (graduación durofel) - Resolución: 1 graduación.
- Precisión: +/- 1 graduación.
Especificaciones del durómetro AGROSTA 100 (DFT 100) y software integrado:
- Configuración de la cantidad de medidas por fruto de 1 a 4.
- El equipo almacena el promedio del fruto y dispone de numeración automática de lotes de 1 a 75.
- Posibilidad de indicar el código del lote en 6 caracteres.
- Configuración del tipo de émbolo utilizado. Émbolos intercambiables.
- Almacenamiento automático de las mediciones sobre una base de 10 puntos
- Alimentación con 2 baterías medianas internas
- Pantalla LCD con 16 caracteres de buena visualización
- Capacidad de memoria hasta 75 series/lotes de 1 a 99 frutos/muestras - Consulta de resultados por lote en display
- Transferencia a PC vía USB en Windows. Los lotes y el detalle de las mediciones se acceden con Excel o similar.
- Detección de batería baja y visualización en LCD.
El durómetro electrónico Agrosta 100 (Durofel) se utiliza en especies de fruta pequeñas y blandas como la cereza, el durazno (melocotón), el tomate, la frutilla (fresa), el kiwi, el damasco, la ciruela, la uva y en ciertos derivados del caucho...
Para productos más duros, como manzana, pera, pepinos etc. se recomienda el uso del penetrómetro para fruta AGROSTA 14 (PENEFEL).
6.4.4. PENETRÓMETRO DIGITAL MOTORIZADO FTA GS-14
Medidor de la calidad de la fruta.
El medidor de la firmeza y dureza de la fruta (Firmness Texture Analyser) FTA / GS-14
PENETRÓMETRO FTA GS-14
Instrumento que facilita de forma extraordinaria los cálculos estadísticos de sus mediciones de penetromía, conectado a un PC o a la LCD Keypad, y resuelve la problemática de las diferencias de resultados entre analistas. La presión que se ejerce sobre la fruta para hacer las medidas se realiza de forma automática, eliminando así la variabilidad de resultados debidos al analista.
Conoce la dureza de la fruta en su momento y exáctamente.
Es el medidor indicado para aquellos casos en que se deben realizar pruebas con muchas frutas seguidas.
¡Comprueba la firmeza de los frutos electrónicamente!
El analizador de textura de fruta (FTA) mide la firmeza de la fruta al pulsar el botón y captura los resultados para ser enviados a un ordenador.
Las mediciones se realizan a profundidades y velocidades de penetración que aseguran la exactitud y repetibilidad de los resultados.
Mediciones exactas en cada momento.
Analiza la dureza de manzanas, peras, piñas, nectarinas, kiwi, etc., rápidamente, de manera fácil y con resultados exactos.
El penetrómetro se conecta a un PC estandar y el software funciona con Windows 98/NT4/ME/2000/XP.
Los resultados pueden ser manipulados de dos formas:
Guardando los resultados en un disco (o red informática) en formato ASCII.
Captura los resultados de las medidas con tu propio software directamente desde el penetrómetro digital usando las funciones de control,
Se puede acceder al penetrómetro FTA directamente desde MS Excel, MS Word o MS Access. Se suministra un CD con ejemplos.
La instalación solo le llevará unos pocos minutos.
El mantenimiento del instrumento es mínimo. Basta con limpiar el zumo que salpica al realizar las pruebas.
Con el teclado LCD/Keypad OPCIONAL, el instrumento puede trabajar sin necesidad de conectarlo a un PC.
El Software
El Software del penetromentro FTA le permite que todos los parámetros sean configurados via PC (velocidad de prueba, calibración, profundidad, etc.).
También permite configurar los datos de salida y habilita al medidor de dureza proporcionar datos que son incorporados en los sistemas de control de calidad.
EL Software para generar los informes a partir de los datos obtenidos se incluye junto con el medidor.
Los datos de dureza/firmeza pueden ser copiados a Excel para generar gráficos de informes o presentaciones.
Puede configurar el penetrómetro para escribir los resultados directamente a la base de datos. Viene preparado para Bases de Datos Paradox, MS Access, DBase, o bases de datos con driver ODBC.
Requisitos mínimos::
- CPU 486DX o superior - 8MB de RAM o más
- Windows 98/NT4/ME/2000/XP - SVGA (800x600dpi)
- Uniada CD-ROM - Puerto serie (DB9)
6.4.5. PENETRÓMETRO DIGITAL MOTORIZADO FTA GS-15 Y FTA GS-25
Precio: 7.610,90 €
Medidor de la calidad de la fruta.
El medidor de la firmeza y dureza de la fruta (Firmness Texture Analyser) FTA / GS-15 o GS-25
PENETRÓMETRO FTA GS-15 y FTA GS-25
Instrumento que facilita de forma extraordinaria los cálculos estadísticos de sus mediciones de penetromía, conectado a un PC o a la LCD Keypad, y resuelve la problemática de las diferencias de resultados entre analistas. La presión que se ejerce sobre la fruta para hacer las medidas se realiza de forma automática, eliminando así la variabilidad de resultados debidos al analista.
Conoce la dureza de la fruta en su momento y exáctamente.
Es el medidor indicado para aquellos casos en que se deben realizar pruebas con muchas frutas seguidas.
¡Comprueba la firmeza de los frutos electrónicamente!
El analizador de textura de fruta (FTA) mide la firmeza de la fruta al pulsar el botón y captura los resultados para ser enviados a un ordenador.
Las mediciones se realizan a profundidades y velocidades de penetración que aseguran la exactitud y repetibilidad de los resultados.
Mediciones exactas en cada momento.
Analiza la dureza de manzanas, peras, piñas, nectarinas, kiwi, etc., rápidamente, de manera fácil y con resultados exactos.
El penetrómetro se conecta a un PC estandar y el software funciona con Windows 98/NT4/ME/2000/XP.
Los resultados pueden ser manipulados de dos formas:
Guardando los resultados en un disco (o red informática) en formato ASCII.
Captura los resultados de las medidas con tu propio software directamente desde el penetrómetro digital usando las funciones de control,
Se puede acceder al penetrómetro FTA directamente desde MS Excel, MS Word o MS Access. Se suministra un CD con ejemplos.
La instalación solo le llevará unos pocos minutos.
El mantenimiento del instrumentos es mínimo. Basta con limpiar el zumo que salpica al realizar las pruebas.
Con el teclado LCD/Keypad OPCIONAL, el instrumento puede trabajar sin necesidad de conectarlo a un PC.
Todas las medidas relevantes - firmeza, tamaño, mínimo, máximo, promedio, etc - se mostrará en la pantalla LCD.
Características y Ventajas
