Máquina clasificadora de flores: Diseño y construcción

Freddy  Martínez; David Hernandez; Pedro F.  Cárdenas Herrera

doi:10.24054/rcta.v1i27.309

Authors

Freddy Martínez Universidad Nacional de Colombia
David Hernandez Universidad Nacional de Colombia
Pedro F. Cárdenas Herrera Universidad Nacional de Colombia

DOI:

https://doi.org/10.24054/rcta.v1i27.309

Keywords:

Automatización de procesos agro-industriales, clasificación de flores, máquina clasificadora, visión artificial

Abstract

Las máquinas clasificadoras tienen como objetivo principal optimizar el proceso de clasificación de cualquiera que sea el producto con el que trabajan, es decir, mejorar los resultados, disminuir los gastos y aumentar la velocidad del proceso. Este documento presenta el proceso de diseño y construcción de una máquina de clasificación de flores, la cual hace uso de técnicas de visión de máquina e inteligencia artificial. Esta máquina fue proyectada para desempeñarse bajo las condiciones ambientales de las salas de pos-cosecha en los invernaderos de la sabana de Bogotá.

Downloads

Download data is not yet available.

References

AFIF, Manual de buenas prácticas de post-cosecha para flor de corte y follajes asociados, Versión 2, AFIF, Asocolflores, 2010.

Ferrin, C., Magdalena, X., Loaiza, H., López, S., & Henao, S. (2014). Sistema de extracción automática de parámetros morfológicos de la huella plantar mediante técnicas de visión por computador en un sistema embebido. Revista Colombiana de Tecnologías de Avanzada, 1, 80–86.

Katupitiya, J., Eaton, R., Yaqub, T. (2007). Systems engineering approach to agricultural automation: New developments. Proceedings of the 1st Annual 2007 IEEE Systems Conference, 298–304. http://doi.org/10.1109/SYSTEMS.2007.374688

Monroy N., Pérez I., Cure J. R. Modelo de predicción y manejo de cultivos de rosas. Universidad de los Andes, Facultad de Ingeniería, Rev 15- Art 3. 2002.

Pardo, C., Gutierrez, E., Jiménez, F., Sosa, L., & Martínez, L. (2013). Diseño e implementación de un prototipo de sistema de identificación y clasificación de piezas por tratamiento digital de imágenes con acceso a ethernet y comunicación inalámbrica. Revista Colombiana de Tecnologías de Avanzada, 2, 49–58.

Sistler, F. E., Bldg, E. B. D., & Rouge, B. (n.d.). Grading Agricultural Products with Machine VISION. Louisiana State University Agricultural Center, 255–261.

Siraj, F., Ekhsan, H. M., & Zulkifli, A. N. (2014). Flower Image Classification Modeling Using Neural Network, 81–86.

Zawbaa, H. M., Abbass, M., & Basha, S. H. (2014). An Automatic Flower Classification Approach Using Machine Learning Algorithms. Icacci, 895–901. http://doi.org/10.1109/ICACCI.2014.6968612

Zou J., Nagy G. Evaluation of Model-Based Interactive Flower Recognition. Renssealer Polytechnic Institute, DocLab, ECSE department, 2004.

SITIOS WEB

QtSerialPort, consultado el 11 Diciembre 2013. http://qt-project.org/wiki/QtSerialPort.

Install Open CV, consultado el 11 Diciembre 2013. http://docs.opencv.org/doc/tutorials/introduction/linux_install/linux_install.html.