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
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/62834

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