SEGMENTACIÓN DE FRUTOS DE CAFÉ MEDIANTE MÉTODOS DE CRECIMIENTO DE REGIONES

Se presentan tres diferentes sistemas de segmentacion los cuales utilizan la tecnica de crecimiento de regiones a partir de semillas SRG (Seeded Region Growing). El primero de ellos, llamado Sistema Euclideo, hace uso de la distancia euclidea con el fin de encontrar la region de interes (grano de cafe). El Sistema ACB-PCB utiliza dos medidas de discontinuidad llamadas contraste promedio y contraste periferico, las cuales se derivan del promedio de las componentes de color de los pixeles que conforman la region y aquellos que conforman dos de sus contornos. Luego de un proceso iterativo, se halla el contorno de contraste promedio ACB y el contorno de contraste periferico PCB, que se usan para segmentar el grano de cafe. Por ultimo, el Sistema Hibrido utiliza la informacion de las principales componentes geometricas presentes en la escena (dadas por un Detector de Bordes de Color), y la medida de contraste promedio. Las herramientas de segmentacion fueron aplicadas a imagenes de frutos de cafe, adquiridas bajo condiciones controladas. Los resultados obtenidos muestran un buen desempeno del detector de bordes de color implementado, asi como de los sistemas de segmentacion, en especial de los sistemas ACB-PCB e Hibrido.

[1]  Tim Morris,et al.  Computer Vision and Image Processing: 4th International Conference, CVIP 2019, Jaipur, India, September 27–29, 2019, Revised Selected Papers, Part I , 2020, CVIP.

[2]  Kazuhiro Nakano,et al.  Application of neural networks to the color grading of apples , 1997 .

[3]  Vincent Leemans,et al.  Defects segmentation on 'Golden Delicious' apples by using colour machine vision , 1998 .

[4]  M. Destain,et al.  Defect segmentation on 'Jonagold' apples using colour vision and a Bayesian classification method , 1999 .

[5]  Yud-Ren Chen,et al.  Machine vision technology for agricultural applications , 2002 .

[6]  Josef Kittler,et al.  A Performance Measure for Boundary Detection Algorithms , 1996, Comput. Vis. Image Underst..

[7]  Alberto Domingo Ajenjo Tratamiento digital de imágenes , 1993 .

[8]  J. A. Marchant,et al.  Computer vision for potato inspection without singulation , 1990 .

[9]  Clifford J Studman,et al.  Computers and electronics in postharvest technology : a review , 2001 .

[10]  Josef Kittler,et al.  Region growing: a new approach , 1998, IEEE Trans. Image Process..

[11]  Tünde Vı́zhányó,et al.  Enhancing colour differences in images of diseased mushrooms , 2000 .

[12]  Da-Wen Sun,et al.  Inspection and grading of agricultural and food products by computer vision systems—a review , 2002 .

[13]  Q. Yang,et al.  An approach to apple surface feature detection by machine vision , 1994 .

[14]  José Blasco,et al.  Multispectral inspection of citrus in real-time using machine vision and digital signal processors , 2002 .

[15]  Jianping Fan,et al.  Automatic image segmentation by integrating color-edge extraction and seeded region growing , 2001, IEEE Trans. Image Process..