Title: Sistema de visión por computador para control de calidad en Huevos
Authors: Molina Llanos, Jonatan José
Peña Blanco, John Alexander
Director(s): Serrato Panqueba, Beatriz Nathalia, dir.
Keywords: ALGORITMO
INSPECCIÓN
PROCESAMIENTO DIGITAL DE IMÁGENES
SEGMENTACIÓN
VISIÓN
TECNOLOGÍA DE LA INFORMACIÓN
PROCESAMIENTO DE IMÁGENES
VISIÓN POR COMPUTADOR
HUEVOS-CONTROL DE CALIDAD
Issue Date: 2016
Citation: Peña Blanco, J. A. & Molina Llanos, J. J. (2016). Sistema de visión por computador para el control de calidad en huevos. Trabajo de Grado. Universidad Católica de Colombia. Facultad de Ingeniería. Programa de Ingeniería Electrónica y Telecomunicaciones. Bogotá, Colombia
Abstract: En el documento presente se elaboró un sistema de control automático para verificar la calidad de los huevos mediante el software Matlab, que permite por medio del tratamiento de imagen lograr identificar el tamaño y manchas de los huevos, proporcionando una solución a la problemática relacionada con la selección de huevos defectuosos, adicionalmente incorpora un sistema autónomo donde se puede visualizar en una interfaz gráfica todo el proceso interno realizado por el algoritmo, es decir se va a identificar todos los parámetros para que cumpla con los procesos de calidad que se predisponen para la venta y el consumo del usuario. Por medio del algoritmo diseñado en el prototipo, se piensa en la salud de los operarios que realizan las labores repetitivas del control visual del huevo, donde se logra identificar que las tareas generadas causan fatiga visual, por esta razón el algoritmo lleva a cabo una clase de identificación donde por medio del sistema de visión por computador se puede analizar, controlar y verificar el proceso en tiempo real que se está llevando a cabo con el huevo, así descartando posibles amenazas en la salud y haciendo una verificación audaz de los resultados obtenidos por medio del software.
Description: Trabajo de Investigación
Bibliography References: Adalberto G.D; Visión y procesamiento de imágenes para el control de calidad. Revista universitaria Eafit 2012

E.R. Davies; Computer Vision Technology in the Food and Beverage Industries; London, 31 January 2014.

Eddie A Sobrado M; Sistema de visión artificial para el reconocimiento y manipulación de objetos utilizando un brazo robot, Perú, Marzo 2003

F. H. Fan A, Q. Ma A, J. Ge A, Q.Y. Peng B, William W. Riley A, S.Z. Tang A. Prediction of texture characteristics from extrusion food surface images using a computer vision system and artificial neural networks. China, 18 Abril 2013.

Fuente: Antonio docencia Ejemplo de umbralización; recuperado: octubre 2015; disponible en http://gva1.dec.usc.es/~antonio/docencia/20042005tci/teoria/similaridad/Similarida d.pdf

Fuente: Fotonostra; Color de la luz, Síntesis aditiva; recuperado: octubre 2015; disponible en http://www.fotonostra.com/grafico/colorluzpigmento.htm.

Fuente: Gobierno de España, Unión Europea, Aplicación práctica de visión artificial en el control de procesos industriales, Recuperado: octubre 2015, tomado de: http://visionartificial.fpcat.cat/wp-content/uploads/Conocimientos.pdf

Fuente: Logic Electronic; Inspección automatizada mediante sistemas de visión; recuperado: octubre 2015; disponible en http://www.logicelectronic.com/vision/inspeccionautomatizada.html

García Santillana., Iván Danilo. (2008). Visión artificial y procesamiento digital de imágenes usando Matlab. Universidad pontificia Católica del Ecuador. Ibarra, Ecuador. PP. 2-103.

J. Liebowitz; Knowledge management and its link to artificial intelligence, MD 21250, USA

Johan M A, Jens M A, Nermina Va, Svend Ca, Allan Rb, Christian M.O; A vision – based instrument for assessing concentration and developmental stege of Trichuris suis paresite egg suspensions, Dinamarca, 15 Julio 2014.

K. Mertens, B. Kemps, C. Perianu, J. De Baerdemaeker, E. Decuypere & B; Advances in egg defect detection, quality assessment and automated sorting and grading, 2011

Kivan Ka, Ismail Ha, Hamit Ka, Ismail Kismenoglua; A classification system for beans using computer vision system and artificial neural networks, Turkey 23 November 2005.

Lenka P, †, Marcel H, Petr P, Jan T, Bard G; Color characteristics of the blunt egg pole; cues for recognition of parasitic eggs as revealed by reflectance spectrophotometry, Republica checa, 16 October 2006.

M. G Rodd, Q.M Wu; Knowledge – based vision systems in real- time control. 17 Junio 2003.

Mahmoud O, Mahmoud S, Mohammad H, Seyed S; An expert egg grading system based on machine vision and artificial intelligence techniques, Iran 14 Marzo 2013.

Peng L, Kang T; Prediction of TVB-N content in eggs bases on electronic nose; China, 11 Julio 2011.

Robert W; Knowledge management and its link to artificial intelligence. USA, 15 Enero 2001.

Wei Z A B, Leiqing P A, Sicong T C, Ge Zhan A, Kang Tu A; Non – Destructive internal quality assessment of eggs using a synthesis of hyperspectral imaging and multivariate analysis, China, 16 Febrero 2015.

Yongyu Li, Sagar D, Yankun P, A machine vision system for identification of microcrack in egg shell; China 27 September 2011.

Zhuhong Z A, Shigang Y B , Guopeng Zhang ; Visual system inspired artificial neural network for collision detection.
URI: http://hdl.handle.net/10983/8288
Appears in Collections:ACE. Pregrado Electrónica y Telecomunicaciones

Files in This Item:
File Description SizeFormat 
Documento Tesis..pdf2.04 MBAdobe PDFView/Open    Request a copy
RAE.pdf127.26 kBAdobe PDFThumbnail
View/Open


This item is protected by original copyright



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.