Propuesta metodológica para identificar filetes de peces comerciales mediante visión artificial

Abstract

En el sector pesquero de Baja California Sur (BCS) una de las prácticas de fraude comercial que ocurre con mayor frecuencia es la sustitución de filetes de pescado con alto valor comercial por especies de menor valor para obtener una ganancia financiera. Esto representa un problema de calidad alimentaria y crea un problema de control de calidad de los alimentos. Para evitar el fraude y dar cumplimiento a las normas de calidad establecidas por el código alimentario, las autoridades correspondientes realizan inspecciones que a menudo no logran cumplir plenamente, debido a la velocidad de la producción. Por lo tanto, el presente trabajo propone una metodología más rápida y precisa para clasificar filetes de especies de interés comercial en BCS mediante el uso técnicas de visión artificial que siguen la orientación de las fibras musculares distintivas (miómeros y mioseptos) presentes en las diferentes especies. Las especies objeto de estudio fueron Balistes polylepis, Caulolatilus affinis, Caulolatilus princeps, Lutjanus argentiventris, Lutjanus peru y Paralabrax nebulifer. Se obtuvieron 240 imágenes de filetes (40 por especie) que se analizaron con algoritmos de Redes Neuronales Artificiales (RNA) utilizando dos algoritmos diferentes, Elman y Hopfield. Estos algoritmos se usan comúnmente en la clasificación de objetos y reconocimiento de patrones. Los algoritmos de Elman y Hopfield se utilizaron para realizar la clasificación en imágenes que se habían tratado con herramientas y rutinas de procesamiento de imágenes digitales en MATLAB para la extracción de sus atributos distintivos. De las 40 imágenes, 30 de cada conjunto fueron procesadas y analizadas con ambos algoritmos y el resto de las imágenes se utilizaron como testigos para validar y evaluar el grado de efectividad de cada uno, para clasificar las especies correctamente con el error mínimo obtenido durante la etapa de entrenamiento. El algoritmo de aprendizaje supervisado Elman que responde a las etiquetas de las imágenes, presentó una eficiencia de aproximadamente el 80% con un error del 2.94X10-14, lo que significa que es una red aceptablemente eficiente para la clasificación de los filetes de pescado. Por el contrario, el algoritmo de aprendizaje no supervisado Hopfield, que responde a una representación gráfica de la imagen, no identificó ni clasificó las imágenes de manera confiable. La razón de que el algoritmo de Hopfield no logró una clasificación asociativa adecuada en el 100% de las imágenes es porque para usarlo fue necesario comprimir las imágenes a un tamaño de 20 píxeles, lo que resultó en una resolución débil que impidió la identificación precisa de los atributos de la especie, por lo que esta red no cumple con la finalidad del reconocimiento de filetes de pescado por el contrario del algoritmo de Elman.