Detección e identificación de defectos en granos de arroz empleando visión artificial
- Autores
- Acosta, Cristian; Sampallo, Guillermo M.; González Thomas, Arturo; Cleva, Mario; Liska, Diego
- Año de publicación
- 2017
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Se presenta un método para detectar e identificar defectos en granos de arroz pulidos a partir de su imagen digitalizada utilizando un sistema experto. El registro de la imagen de la muestra se realiza con un escáner de escritorio. La muestra empleada se diseñó de tal forma que contenga ejemplares con los defectos más comunes. Se emplearon técnicas de procesamiento digital de imágenes para identificar diferentes tipos de defectos visibles en granos de arroz que afectan a la calidad de la muestra. Finalmente los resultados obtenidos con el empleo de la metodología desarrollada, son coincidentes con los realizados manualmente por un perito. El método propuesto presenta ventajas respecto de la identificación en forma manual como ser la disminución de los tiempos de análisis, la repetibilidad de los resultados, elimina la subjetividad en la identificación, registra y almacena la información, utiliza equipamiento de fácil acceso y bajo costo relativo.
Sociedad Argentina de Informática e Investigación Operativa (SADIO) - Materia
-
Ciencias Informáticas
escáner
Semillas
imagen - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-sa/3.0/
- Repositorio
.jpg)
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/62834
Ver los metadatos del registro completo
| id |
SEDICI_223c11a08c54419a6b09ee4b609ed3e5 |
|---|---|
| oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/62834 |
| network_acronym_str |
SEDICI |
| repository_id_str |
1329 |
| network_name_str |
SEDICI (UNLP) |
| spelling |
Detección e identificación de defectos en granos de arroz empleando visión artificialAcosta, CristianSampallo, Guillermo M.González Thomas, ArturoCleva, MarioLiska, DiegoCiencias InformáticasescánerSemillasimagenSe presenta un método para detectar e identificar defectos en granos de arroz pulidos a partir de su imagen digitalizada utilizando un sistema experto. El registro de la imagen de la muestra se realiza con un escáner de escritorio. La muestra empleada se diseñó de tal forma que contenga ejemplares con los defectos más comunes. Se emplearon técnicas de procesamiento digital de imágenes para identificar diferentes tipos de defectos visibles en granos de arroz que afectan a la calidad de la muestra. Finalmente los resultados obtenidos con el empleo de la metodología desarrollada, son coincidentes con los realizados manualmente por un perito. El método propuesto presenta ventajas respecto de la identificación en forma manual como ser la disminución de los tiempos de análisis, la repetibilidad de los resultados, elimina la subjetividad en la identificación, registra y almacena la información, utiliza equipamiento de fácil acceso y bajo costo relativo.Sociedad Argentina de Informática e Investigación Operativa (SADIO)2017-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf98-111http://sedici.unlp.edu.ar/handle/10915/62834spainfo:eu-repo/semantics/altIdentifier/url/http://www.clei2017-46jaiio.sadio.org.ar/sites/default/files/Mem/CAI/CAI-10.pdfinfo:eu-repo/semantics/altIdentifier/issn/2525- 0949info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-sa/3.0/Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-06-23T10:31:13Zoai:sedici.unlp.edu.ar:10915/62834Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-06-23 10:31:13.319SEDICI (UNLP) - Universidad Nacional de La Platafalse |
| dc.title.none.fl_str_mv |
Detección e identificación de defectos en granos de arroz empleando visión artificial |
| title |
Detección e identificación de defectos en granos de arroz empleando visión artificial |
| spellingShingle |
Detección e identificación de defectos en granos de arroz empleando visión artificial Acosta, Cristian Ciencias Informáticas escáner Semillas imagen |
| title_short |
Detección e identificación de defectos en granos de arroz empleando visión artificial |
| title_full |
Detección e identificación de defectos en granos de arroz empleando visión artificial |
| title_fullStr |
Detección e identificación de defectos en granos de arroz empleando visión artificial |
| title_full_unstemmed |
Detección e identificación de defectos en granos de arroz empleando visión artificial |
| title_sort |
Detección e identificación de defectos en granos de arroz empleando visión artificial |
| dc.creator.none.fl_str_mv |
Acosta, Cristian Sampallo, Guillermo M. González Thomas, Arturo Cleva, Mario Liska, Diego |
| author |
Acosta, Cristian |
| author_facet |
Acosta, Cristian Sampallo, Guillermo M. González Thomas, Arturo Cleva, Mario Liska, Diego |
| author_role |
author |
| author2 |
Sampallo, Guillermo M. González Thomas, Arturo Cleva, Mario Liska, Diego |
| author2_role |
author author author author |
| dc.subject.none.fl_str_mv |
Ciencias Informáticas escáner Semillas imagen |
| topic |
Ciencias Informáticas escáner Semillas imagen |
| dc.description.none.fl_txt_mv |
Se presenta un método para detectar e identificar defectos en granos de arroz pulidos a partir de su imagen digitalizada utilizando un sistema experto. El registro de la imagen de la muestra se realiza con un escáner de escritorio. La muestra empleada se diseñó de tal forma que contenga ejemplares con los defectos más comunes. Se emplearon técnicas de procesamiento digital de imágenes para identificar diferentes tipos de defectos visibles en granos de arroz que afectan a la calidad de la muestra. Finalmente los resultados obtenidos con el empleo de la metodología desarrollada, son coincidentes con los realizados manualmente por un perito. El método propuesto presenta ventajas respecto de la identificación en forma manual como ser la disminución de los tiempos de análisis, la repetibilidad de los resultados, elimina la subjetividad en la identificación, registra y almacena la información, utiliza equipamiento de fácil acceso y bajo costo relativo. Sociedad Argentina de Informática e Investigación Operativa (SADIO) |
| description |
Se presenta un método para detectar e identificar defectos en granos de arroz pulidos a partir de su imagen digitalizada utilizando un sistema experto. El registro de la imagen de la muestra se realiza con un escáner de escritorio. La muestra empleada se diseñó de tal forma que contenga ejemplares con los defectos más comunes. Se emplearon técnicas de procesamiento digital de imágenes para identificar diferentes tipos de defectos visibles en granos de arroz que afectan a la calidad de la muestra. Finalmente los resultados obtenidos con el empleo de la metodología desarrollada, son coincidentes con los realizados manualmente por un perito. El método propuesto presenta ventajas respecto de la identificación en forma manual como ser la disminución de los tiempos de análisis, la repetibilidad de los resultados, elimina la subjetividad en la identificación, registra y almacena la información, utiliza equipamiento de fácil acceso y bajo costo relativo. |
| publishDate |
2017 |
| dc.date.none.fl_str_mv |
2017-09 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
| format |
conferenceObject |
| status_str |
publishedVersion |
| dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/62834 |
| url |
http://sedici.unlp.edu.ar/handle/10915/62834 |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/http://www.clei2017-46jaiio.sadio.org.ar/sites/default/files/Mem/CAI/CAI-10.pdf info:eu-repo/semantics/altIdentifier/issn/2525- 0949 |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-sa/3.0/ Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0) |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-sa/3.0/ Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0) |
| dc.format.none.fl_str_mv |
application/pdf 98-111 |
| dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
| reponame_str |
SEDICI (UNLP) |
| collection |
SEDICI (UNLP) |
| instname_str |
Universidad Nacional de La Plata |
| instacron_str |
UNLP |
| institution |
UNLP |
| repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
| repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
| _version_ |
1868981879458234368 |
| score |
13.334379 |