Please use this identifier to cite or link to this item: https://repository.unad.edu.co/handle/10596/55804
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorTapias Baena, Juan Esteban
dc.coverage.spatialcead_-_ibagué
dc.creatorCardona Castro, Fabian Dario
dc.date.accessioned2023-05-29T13:50:59Z
dc.date.available2023-05-29T13:50:59Z
dc.date.created2023-02-16
dc.identifier.urihttps://repository.unad.edu.co/handle/10596/55804
dc.description.abstractEn Colombia el consumo de huevo por persona ha ido en aumento, siendo necesario aumentar la producción de dicho producto para cumplir con la demanda que exige el mercado, por ende, las granjas productoras tienen la necesidad de mejorar sus procesos para poder ser competitivas, Una de estas mejoras se da en el proceso de clasificación del huevo siendo necesario adquirir clasificadoras mecánicas o electromecánicas las cuales son de gran tamaño y pueden ser muy costosas. Esto se convierte en un inconveniente para las pequeñas o medianas granjas productoras de huevo. En este trabajo, se diseña e implementa un prototipo que permite la clasificación de los huevos según su categoría, mediante el uso de visión computacional, usando el lenguaje de programación Python, librerías de OpenCV y un sistema de monitoreo y visualización con Ubidots. Se tomaron las medidas del alto, ancho y peso de 197 huevos, con el ancho y alto se calculó el área de los huevos, Se desarrolla un algoritmo el cual mediante una cámara de 5 Megapíxeles capta las imágenes en el espacio de color RGB y las transforma al espacio de color YCrCb, se toma la componente Cr en la cual se aplica umbralización, dilatación, filtrado, permitiendo que en la imagen resultante se pueda extraer las características del largo y ancho, calculando su área y así clasificarlo según su tipo A, AA y AAA, después de su clasificación los datos son enviados a la plataforma ubidots permitiendo ser observados en cualquier dispositivo con acceso a internet. Para poder evaluar la eficiencia del clasificador se toman 90 huevos 30 A, 30 AA y 30 AAA, los cuales son pasados por el clasificador de forma aleatoria dando como resultado una eficiencia del 86.66%, 66,66% y 83,33% de tipo A, AA, y AAA respectivamente
dc.formatpdf
dc.titleDiseño e implementación de un prototipo clasificador de huevo tipo A, AA y AAA a través de visión computacional para las pequeñas y medianas granjas productoras del Tolima
dc.typeProyecto aplicado
dc.subject.keywordsAlgoritmo, Visión Computacional, Lenguaje de programación, ,
dc.description.abstractenglishIn Colombia, egg consumption per person has been increasing, making it necessary to increase the production of said product to meet the demand demanded by the market, therefore, producing farms have the need to improve their processes in order to be competitive. One of these improvements occurs in the egg classification process, making it necessary to acquire mechanical or electromechanical classifiers, which are large and can be very expensive. This becomes a drawback for small or medium-sized egg-producing farms. In this work, a prototype is designed and implemented that allows the classification of eggs according to their category, through the use of computer vision, using the Python programming language, OpenCV libraries and a monitoring and visualization system with Ubidots. The measurements of the height, width and weight of 197 eggs were taken, with the width and height the area of the eggs was calculated. An algorithm is developed which, by means of a 5 Megapixel camera, captures the images in the RGB color space and the transforms to the YCrCb color space, the Cr component is taken in which thresholding, dilation, and filtering are applied, allowing the characteristics of length and width to be extracted from the resulting image, calculating its area and thus classifying it according to its type A, AA and AAA, after classification, the data is sent to the ubidots platform, allowing it to be viewed on any device with internet access. In order to evaluate the efficiency of the classifier, 90 eggs 30 A, 30 AA and 30 AAA are taken, which are randomly passed through the classifier, resulting in an efficiency of 86.66%, 66.66% and 83.33% of type A, AA, and AAA respectively.
Appears in Collections:Ingeniería Electrónica

Files in This Item:
File Description SizeFormat 
fdcardonac.pdf3.77 MBAdobe PDFThumbnail
View/Open


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