Extracción de rasgos de imágenes de tortillas de maíz de diferentes niveles de productores para su caracterización inductiva

Abstract

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 se extrajeron de las imágenes de las tortillas, se lograron construir reglas de solución que caractericen a cada productor. 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 un nuevo método para la extracción de píxeles de frontera, utilizando la transformación morfológica acierta-o-falla y mediante la generalización de la construcción del Elemento de Estructura. Con esta trasformación es posible extraer todos los píxeles de frontera sin importar el valor de los pixeles vecinos. Por otro lado, el aprendizaje inductivo se realizó mediante la técnica conocida como BOUNDSTAR; en una primera etapa se conforman las reglas de conocimiento inicial, posteriormente, a partir de ellas se construyen las reglas de conocimiento. 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 nuevo 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, incluso de objetos que no sean circulares. Con el análisis de 300 imágenes (100 imágenes por productor) fueron halladas las reglas de conocimiento, con las que se caracteriza correctamente la producción de los tres distintos productores. La evaluación de dichas reglas fue realizada mediante la clasificación de un nuevo lote de 300 imágenes, y que fueron clasificadas con respecto al aprendizaje obtenido. Se obtienen porcentajes entre 93% al 100% en la caracterización de los productores. Con los resultados obtenidos se demuestra la eficiencia de los métodos de extracción de pixeles de borde, y de análisis de formas. De igual manera se logran establecer reglas que permiten cuantificar las propiedades organolépticas visuales.