Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

Técnicas de visión artificial para la identificación de dos defectos del café lavado. Artificial vision techniques to identify two defects of washed coffee.

Cómo citar
Castrillón-Cuervo, J. M., Sanz-Uribe, J. R., & Ramos-Giraldo, P. J. (2018). Técnicas de visión artificial para la identificación de dos defectos del café lavado. Revista Cenicafé, 69(1), 83-90. https://doi.org/10.38141/10778/69107

Dimensions
PlumX

Palabras clave
Digital images

Electronic classification

Coffee classification

Algorithms

Imágenes digitales

Clasificación electrónica

Clasificación de café

Algoritmos

Sección
Artículos
Términos de licencia (Ver)
Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Juan Mateo Castrillón Cuervo
Juan Rodrigo Sanz Uribe
Paula Jimena Ramos Giraldo

Resumen

La clasificación de café ayuda a obtener una mejor calidad de la bebida y un mayor precio en el mercado. Al igual que a simple vista, a partir de un procesamiento digital de imágenes se observaron diferencias apreciables entre los granos sanos de café lavado y los que tienen los defectos “fermento” e “inmaduro”. El café lavado cuando tiene el defecto fermento muy avanzado presenta una coloración más oscura del pergamino mientras que los granos de café lavado inmaduros presentan una coloración verdosa. En esta investigación se adquirieron imágenes digitales de granos sanos y defectuosos, bajo condiciones controladas de iluminación y fondo. Se desarrolló un algoritmo de segmentación de los granos y se estudiaron diferentes espacios de color, con el fin de determinar las mayores diferencias entre las tres clases de granos (sanos, fermento e inmaduro). La mayor dispersión entre clases se generó en el plano B-G de la representación de color RGB, donde se aplicaron tres clasificadores: lineal, bayesiano y K-vecinos más cercanos (K-NN). La eficacia promedio de los clasificadores fue 88,4%, 79,3% y 88,1%, respectivamente. Por el desempeño y bajo costo computacional fue seleccionado el clasificador lineal, en cuya validación, el porcentaje de correcta identificación fue de 91,4%. Los resultados de esta investigación tienen el potencial de ser usados en una máquina electrónica para la separación de los granos con estos defectos.

Juan Mateo Castrillón Cuervo, Centro Nacional de Investigaciones de Café

Juan Mateo Castrillón-Cuervo, Asistente de Investigación hasta 2015, Disciplina de Poscosecha. Cenicafé.


Juan Rodrigo Sanz Uribe, Centro Nacional de Investigaciones de Café

Juan Rodrigo Sanz-Uribe, Investigador Científico III, Disciplina de Poscosecha, Cenicafé.


Paula Jimena Ramos Giraldo, Centro Nacional de Investigaciones de Café

Paula Jimena Ramos-Giraldo, Investigador Científico I, Disciplina Poscosecha, Cenicafé.