El Instituto Politécnico Nacional
Contribuye al desarrollo económico y social de la nación, a través de la formación integral de personas competentes; de la investigación, el desarrollo tecnológico y la innovación. Además tiene reconocimiento internacional por su calidad e impacto social.
Por favor, use este identificador para citar o enlazar este ítem:
http://repositoriodigital.ipn.mx/handle/123456789/9248| Título : | Extracción de rasgos de imágenes de tortillas de maíz de diferentes niveles de productores para su caracterización inductiva |
| Autor : | Dr. Molina Lozano, Herón Dr. Moreno Armendáriz, Marco Antonio Ing. Rojas Padilla, Oscar Manuel |
| Palabras clave : | rasgos de imágenes imágenes de tortillas tortillas de maíz caracterización inductiva |
| Fecha de publicación : | 30-jun-2011 |
| Resumen : | In this thesis using Artificial Intelligence techniques such as computer vision and inductive learning was developed a method to quantify visual organoleptic characteristics of three different tortilla producers. Using characteristic features, extracted from tortilla’s images, solution rules were constructed for characterize each producer; with this rules founded is possible to establish a quality assessment method based on visual features, which due to its subjectivity nature are not currently used in quality analysis and much less are considered in setting standards of this product. This research proposes the extraction of border píxels, using a morphological Hit-Miss transformation, and with a unique operation extract all of them no matter the value of the neighbors. By other hand for the inductive learning the BOUNDSTAR technique is implemented. For constructing the initial knowledge rules three type of characteristics where proposed: color, shape and texture. For detect the shape characteristics an analysis for circular shapes method is proposed, the results are invariant to rotation, growth and translation. Note that this method can be used for measure characteristics of other foods or even of shapes not necessarily circular. With the analysis of another 300 images were found the learning rules, which characterize the three producer’s production. The evaluation of these rules was made using a new 300 images batch (100 images per producer), which were classified with respect to the learnt rule; the obtained results report efficiencies from 93% to 100% in the characterization of each producer. |
| Descripción : | En este trabajo de tesis se desarrolló un método que permite cuantificar las características organolépticas visuales en tortillas elaboradas por tres diferentes productores, utilizando técnicas de Inteligencia Artificial, como son la visión por computadora y el aprendizaje inductivo. A partir de los rasgos característicos que fueron extraídos de las imágenes de las tortillas, se pudieron construir reglas de solución que caractericen las tres distintas producciones. Con éstas se comprueba que es posible establecer un método de evaluación de calidad basada en características visuales, las cuales, debido a su naturaleza subjetiva en la actualidad no son consideradas en los análisis de calidad, ni tampoco en el establecimiento de estándares de este producto. En esta investigación se propone, utilizando la transformación morfológica acierta-o-falla, la extracción de píxeles de frontera; y con una única operación extraer todos los píxeles vecinos sin importar el valor de las vecindades. Por su parte para el aprendizaje inductivo fue implementada la técnica conocida como BOUNDSTAR. Para conformar las reglas de conocimiento inicial, y a partir de ellas construir las reglas de aprendizaje, se propusieron tres tipos de características que fueron extraídas de las imágenes de las tortillas: color, forma y textura. Para determinar las características de forma se propone un método de análisis de las formas circulares; el método propuesto es invariante a rotación, escala y traslación. Cabe destacar que este método puede ser utilizado para medir las características de otros alimentos o incluso de formas no necesariamente circulares. Con el análisis de 300 imágenes fueron halladas las reglas de aprendizaje, con las que se caracteriza la producción de los tres distintos productores. La evaluación de dichas reglas fue realizada mediante la clasificación de un nuevo lote de 300 imágenes (100 imágenes por productor), y que fueron clasificadas con respecto al aprendizaje obtenido. Los resultados de este trabajo reportan eficiencias que en un rango comprendido entre 93% y 100% en la caracterización de las tortillas de cada productor |
| URI : | http://www.repositoriodigital.ipn.mx/handle/123456789/9248 |
| Aparece en las colecciones: | Mediateca |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| Tesis_MCIC_OscarManuel_RojasPadilla.pdf | Extracción de rasgos de imágenes de tortillas de maíz de diferentes niveles de productores para su caracterización inductiva | 4.12 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.