ALGORITMO QUE DETERMINA EL ESTADO DE SALUD DE UNA FRUTA USANDO PROCESAMIENTO

DIGITAL DE IMAGEN

BRAYAN ANDRÉS SANJUAN GUERRERO

Trabajo de grado presentado como requisito para optar al título de:

INGENIERO EN MECATRÓNICA

Director:

Ing. Darío Amaya Hurtado PhD

UNIVERSIDAD MILITAR NUEVA GRANADA

FACULTAD DE INGENIERÍA

PROGRAMA INGENIERÍA EN MECATRÓNICA

BOGOTÁ, 3 AGOSTO DE 2018

 Algoritmo que determina el estado de salud de una
fruta usando procesamiento digital de imagen
María José Medina, Brayan Sanjuan, Darío Amaya
Programa de ingeniería Mecatrónica,
Facultad de ingeniería
Universidad Militar Nueva Granada
{u1802230, u1802261, dario.amaya}@unimilitar.edu.co.

Resumen--- El procesamiento digital de imagen es muy usado para los diferentes ámbitos de la investigación, gracias a las
técnicas desarrolladas se puede usar en la industria, especialmente en la agrícola para la identificación de las frutas enfermas de
las que no. En este trabajo se realiza el diseño de un software para realizar la evaluación del estado de una fruta. El algoritmo
está en capacidad de establecer una diferencia entre frutas de buena calidad y frutas que no cumplen con el estándar para ser
comercializadas. Para este proyecto se divide en tres fases importantes, la primera es la toma de la imagen a analizar, la segunda
es la identificación de la fruta y por último procesar la información para así identificar el estado de la fruta. En este artículo se
pretende que el procesamiento digital de imagen se puede usar a las diferentes industrias, como una herramienta de apoyo en los
procesos de control de calidad.

Abstract--- Digital image processing is widely used for different areas of research, thanks to the techniques developed can be
used in industry, especially in agriculture for the identification of diseased fruits of those that do not. In this work design of a
software is done to perform the evaluation of state of a fruit. The algorithm is able to establish a difference between fruits of
good quality and fruits that do ne meet the standard to be marketed.For this project it is divided into three important phases, the
first one is the taking of the image to be analyzed, the second is the identification of the fruit and finally the processing of the
information to identify the state of the fruit. In this article, it is intended that the digital image processing can be used to different
industries, as a support tool in the process of quality control.

realizar su debido procesamiento, es decir, aplicando los filtros

I. INTRODUCCIÓN pertinentes [5].

Las frutas son unos de los alimentos más consumidos en todo Basándose en el estudio de los diferentes espacios de
el mundo, son fuentes de muchas vitaminas, antioxidantes que transformación de colores [6], se usa procesamiento digital de
ayudan al cuerpo a funcionar bien, pero debido a las las imágenes [4] para que pueda tener la mayor información de
condiciones donde una gran parte de los frutos son cosechados las diferentes frutas, así procesarlas e implementar un
pueden llegar a padecer diferentes enfermedades y plagas algoritmo que pueda identificar la fruta del resto de la imagen.
como alternaría, penicillium expansum, gloeosporiosis, etc. [1]
Luego de este proceso se pasa a saber si la fruta se encuentra
La alternaría es un hongo que ataca a las frutas; la forma de en buen estado o no; una vez identificada si la fruta no esté sana
identificarla es por las manchas que tiene como característica se procede a reconocer la enfermedad. Todo este proceso es
principal los cuales son anillos concéntricos de color café realizado por una interfaz amigable con el usuario para que
oscuro que van aumentado a medida que la enfermedad pueda ingresar toda la información pertinente para iniciar este
progresa [2]. Penicillium expansum es una de las importantes proceso.
enfermedades postcosecha, es un hongo que produce una
micotoxina cancerígena llamada patulina [3]. La constancia de color usualmente significa la recuperación del
color de la superficie a partir de las resistencias de los valores
El procesamiento digital de imagen es utilizado en diversas percibidos por los tres receptores que representa la respuesta
investigaciones como un poderoso instrumento para el del cono del sistema visual, esto se puede observar en la
reconocimiento de patrones y el filtrado de imágenes. respuesta RGB (Red, Green, Blue) de una cámara de color,
Lamentablemente dependiendo del tamaño de la imagen y el Color de la luz que ilumina al objeto [6].
tipo de filtrado que se haga la respuesta puede tardar un largo
tiempo [4]. Las imágenes tomadas por plataformas de teledetección aérea
de baja altitud, por lo general tienen mucha información de
Las técnicas usadas para procesar imágenes digitalmente están forma y textura. Es mejor usar métodos de segmentación multi-
ganando aplicabilidad debido a su capacidad de interpretar la resolución de colores donde se puede identificar imágenes con
información. Las imágenes se representan como una matriz arbustos y tierras de cultivos [7]. La mejor forma de eliminar
bidimensional en tres capas que componen un numero finito de toda la información innecesaria es usando diferentes filtros.
pixeles, de aquí se obtienen las principales características para
El espacio de colores RGB es uno de los más utilizados para Ahora se procede a seleccionar la información que se necesita;
procesar imágenes, pero este espacio no parece correlacionarse inicialmente se realiza la captura de la imagen, para este caso
con la percepción visual de los seres humanos, es decir, no es de estudio de prueba del algoritmo, se utilizó una cámara de 12
muy eficiente cuando se trata de imágenes del “mundo real” megapíxeles para esto se aplicó un algoritmo donde se pasa la
[8]. imagen a un espacio de colores HSV el cual permite eliminar
información y ruido en la imagen de esta forma solo queda la
El espacio de trabajo HSV se basa en tres componentes Tono información que se desea analizar. Al realizar esta actividad, la
(Hue), Saturación (Saturation) y Valor (Value). Fue diseñado imagen de la fruta mejora sustancialmente, consiguiéndose
para aproximar la forma de que el ser humano interpreta el resaltar la diferenciación de los colores en la misma.
color; HSV separa la información cromática (H y S) de la
acromática (V) y los representa de manera independiente [9]. 𝑛𝑛𝑛𝑛 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑, 𝑆𝑆𝑆𝑆 𝑀𝑀𝑀𝑀𝑀𝑀 = 𝑀𝑀𝑀𝑀𝑀𝑀
⎧ 𝐺𝐺−𝐵𝐵 ⎫
⎪ 60° ∗ 𝑀𝑀𝑀𝑀𝑀𝑀−𝑀𝑀𝑀𝑀𝑀𝑀 + 0°, 𝑆𝑆𝑆𝑆 𝑀𝑀𝑀𝑀𝑀𝑀 = 𝑅𝑅 𝑦𝑦 𝐺𝐺 ≥ 𝐵𝐵 ⎪
Basado en lo anterior, en este proyecto se realizó un algoritmo ⎪ 𝐺𝐺−𝐵𝐵
⎪
que pueda identificar si una fruta se encuentre sana o enferma; 𝐻𝐻 = 60° ∗ 𝑀𝑀𝑀𝑀𝑀𝑀−𝑀𝑀𝑀𝑀𝑀𝑀 + 360°, 𝑆𝑆𝑆𝑆 𝑀𝑀𝑀𝑀𝑀𝑀 = 𝑅𝑅 𝑦𝑦 𝐺𝐺 < 𝐵𝐵 Ecuación 1
⎨ 𝐵𝐵−𝑅𝑅 ⎬
esto ayudará al sector agropecuario para que el producto que ⎪ 60° ∗ 𝑀𝑀𝑀𝑀𝑀𝑀−𝑀𝑀𝑀𝑀𝑀𝑀 + 120°, 𝑆𝑆𝑆𝑆 𝑀𝑀𝑀𝑀𝑀𝑀 = 𝐺𝐺 ⎪
llegue al consumidor este en buen estado, evitando ⎪ 𝑅𝑅−𝐺𝐺 ⎪
⎩ 60° ∗ + 240°, 𝑆𝑆𝑆𝑆 𝑀𝑀𝑀𝑀𝑀𝑀 = 𝐵𝐵 ⎭
enfermedades. 𝑀𝑀𝑀𝑀𝑀𝑀−𝑀𝑀𝑀𝑀𝑀𝑀

II. MATERIALES Y METODOLOGÍA

Al aplicar la Ecuación 1 a la imagen a procesar da solución a
Este proyecto usa imágenes del medio ambiente y luego se los tonos elevados o matices que esta tiene. Donde el MAX y
sincroniza con el computador para procesarla, y dar los MIN son los valores máximos y mínimos de los componentes
resultados pertinentes como se ve en la Figura 1. Basados en la R, G, B respectivamente. Ahora usando la Ecuación 2 en la
utilización de las diferentes transformaciones de espacio de misma fotografía da como resultado toda la saturación que esta
colores para determinar si una fruta se encuentra en buen presenta, después se tiene la Ecuación 3 para obtener los
estado o no, se utiliza MATLAB para crear el algoritmo de valores de los colores.
identificación.

0, 𝑆𝑆𝑆𝑆 𝑀𝑀𝑀𝑀𝑀𝑀 = 0
𝑆𝑆 = � 𝑀𝑀𝑀𝑀𝑀𝑀 � Ecuación 2
1− , 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
𝑀𝑀𝑀𝑀𝑀𝑀

𝑉𝑉 = 𝑀𝑀𝑀𝑀𝑀𝑀 Ecuación 3

Luego de seccionar la imagen se realiza la vectorización de la

Figura 1 Diagrama del proceso información; para esto se creó un algoritmo que selecciona los
pixeles con mayor y menor datos y los reubica, esto ayuda a
El programa está separado por diferentes bloques como se
que el computador no se demore procesando todos los datos,
muestra en la Figura 3, estos son la sección de obtención de la
como se ve en la Figura 2. Después se efectúa el template
información, seccionar imagen para tener la información que
matching, entre la base de datos y sondeo hecho la imagen a
se necesita, vectorización de la información, template
matching de la información obtenida con los de la base de datos
e identificación del estado.

Figura 2 Dfd main Figura 3 Dfd filtro

 analizar, esta es la forma más segura de saber el estado de la
fruta.

Template matching es un método de visión de alto nivel,

diseñado para encontrar objetos existentes en una imagen o
video partir de la coincidencia con una plantilla. Es un
algoritmo que puede ser adaptado para cualquier propósito
especialmente en la identificación de pequeños detalles, por
eso es muy usado por las empresas en el control de calidad
[10].

Una vez terminado el template matching, como se mira en la

Figura 4, se verifica los resultados obtenidos del paso anterior
y a partir de esto el programa realiza una evaluación y
proporciona el estado de la fruta de la imagen.

Figura 4 Matriz de la imagen de entrada

También se realizó un análisis de cada espacio de color de la

imagen, donde se obtiene la amplitud de estos y así desarrollar
las técnicas a trabajar, los límites a tener en cuenta. En la Figura
5 vemos la amplitud para el espacio R.

Figura 5 Dfd template matching

III. RESULTADOS Figura 6 Amplitud espacio R

También vemos en la Figura 7 la amplitud de la imagen en el

a. ANÁLISIS DE LA IMAGEN espacio G, la cual analizamos la cantidad de componente verde
se encuentra en la imagen y poder diseñar un filtro acorde a las
La imagen para trabajar puede ser representada por una matriz, necesidades.
esto facilita la utilización de filtros. En la Figura 6 podemos
ver parte de esa matriz donde no solo tiene información de la
fruta, sino que también datos de innecesarios.
 En la Figura 9 podemos ver la comparación de las imágenes
con y sin filtro, donde se nota que la información de la imagen
sin procesar donde contiene información que no se necesita
analizar y la imagen filtrada solo tiene la información necesaria
para el espacio de transformación H basado en la Ecuación 1 .

Figura 7 Amplitud espacio G

Para analizar la componente azul de la imagen, estudiamos la

amplitud del espacio B como se muestra en la Figura 8, gracias
a esto planteamos un filtro acorde a los requisitos de este.

Figura 10 Imagen filtrada vs imagen no filtrada espacio S

Al igual que en la Figura 10, la Figure 6 Muestra la

comparación de la imagen procesado y la que no, el filtro
permite el paso selectivo de la información necesaria en el
espacio de transformación S tomando como base la Ecuación
2.

Figura 8 Amplitud espacio B

b. FILTROS

La utilización del espacio de transformación de los colores

permite hacer una mejor selección del objeto a examinar dando
así un filtro muy selectivo.

Figura 11 Imagen filtrada vs imagen no filtrada espacio V

Y como en las anteriores gráficas, la Figura 11 demuestra la

eficiencia del filtro, seleccionando así información a utilizar en
el espacio de transformación V se basa en la Ecuación 3.

c. INTERFAZ

Se diseño una GUI donde se puede observar un cuadro de texto

para poder ingresar el nombre de la imagen que se desea
analizar, además de una lista de frutas que se encuentra en la
base de datos, de ahí se selecciona la que el usuario desee.

Al darle clic en iniciar se puede visualizar la imagen a analizar,

esto permite al usuario ver la imagen, como se muestra en la
Figura 12, también permite iniciar el análisis.
Figura 9 Imagen filtrada vs imagen no filtrada espacio H
 • Las fotos al aire libre presentan factores que afectan
los filtros usados, uno de ellos es la luz, por lo que es
recomendable tomar las imágenes en un ambiente
controlado.

• Una forma de solucionar los problemas de valores de

saturación de las imágenes presentados durante las
pruebas es aplicar un filtro RGB antes del HSV.

V. REFERENCIAS
Figura 12 Filtro aplicado a una imagen desde la interfaz
[1] Tecnico Agricola , «www.TecnicoAgricola.es,» 26 10 2012.
En la Figura 12 se puede ver que el programa uso el algoritmo [En línea]. Available:
de seccionar información para poder analizar posteriormente la http://www.tecnicoagricola.es/categoria/calidad-en-manzanas-
información. y-peras/06-plagas-y-enfermedades/page/2/. [Último acceso:
2017 08 13].

[2] Cornell University, «web.entomology.cornell.edu,» 12 04

1995. [En línea]. Available:
http://web.entomology.cornell.edu/shelton/veg-insects-
global/spanish/eblight.html. [Último acceso: 13 08 2017].

[3] P. Mondino. [En línea]. Available:

http://www.pv.fagro.edu.uy/fitopato/enfermedades/Penicillium
_exp.html. [Último acceso: 13 08 2017].

[4] H. Shishido y R. A. De Lara Gonçalves, «Digital Imagen

Processing by a Parallel Selective Model,» de Chilean
Computer Science Society, Chile, 2013.
Figura 13 Resultado del proceso de una fruta sana
[5] O. Aljohani y A. Abu-Siada, «Aplicación de procesamiento de
Después de realizar la sección de la información se ejecuta el imágenes digitales para detectar fallas en el casquillo del
análisis de esta, en la Figura 13 se distingue el resultado de transformador y degradación del aceite usando FRA,» IEEE
estado que para este caso es sana. Transactions on Dielectrics and Electrical Insulation, vol. 24,
nº 1, 2017.

[6] Y. Long y Y. Cai, «Un algoritmo de recuperación de color

basado en la transformación del espacio de color,» de Image
and Signal Processing, 2009. CISP '09. 2nd International
Congress on, Tianjin, 2009.

[7] Y. Xu y F. Duan, «Transformación de espacio de color y

extracción de información orientada a objetos de imágenes
aéreas,» de Geoinformatics (GEOINFORMATICS), 2013 21st
International Conference on, Keifeng, 2013.

[8] P. Suchitra y B. Ujwala, «Estudio comparativo de

reconocimiento del ires del color,» de Advances in computing,
communications and informatics, Udupi, 2017.
Figura 14 Resultado del proceso de una fruta enferma
[9] M. Meenu y S. Rajiv, «Fusión de imágenes visibles e
infrarrojas en el espacio de color HSV,» de Computational
También se hizo la prueba con una fruta en mal estado y como
Intelligence & Communication Technology (CICT), 2017 3rd
en el caso anterior, en la Figura 14 se visualiza como el
International Conference on, Ghziabad, 2017.
algoritmo da como resultado el estado de la fruta y en este caso
particular da como solución el tipo de enfermedad que padece [10 P. Jayakrishnan y B. Satish, «Implementación de hardware del
la fruta analizada. ] algoritmo template matching y su evalución de rendimiento,»
de Microelectronic Devices, Circuits and System, Vellore,
IV. CONCUSIONES 2017.
• Cuando los resultados del proceso de filtrado de las
imágenes fallan, se deben verificar los valores de
saturación y tono, ya que, si estos son muy altos, el
filtro elimina parte de la información necesaria.