Mejoramiento del proceso de detección de defectos visuales en castañas, con fines de exportación

Resumen

Una importante actividad económica en países como Perú, Bolivia y Brasil es el comercio de frutos secos, como las castañas. Antes de su exportación, se requiere control de calidad que incluye la evaluación del estado de madurez, detección e identificación de defectos, daños o enfermedades. Este proceso se basa en características externas del producto, utilizando descriptores de color, forma, tamaño y textura. Se propone automatizar la detección e identificación de defectos visuales en objetos como las castañas. Se divide en dos regiones (oscura y clara) debido a la similitud de colores entre el objeto y los defectos. La detección se realiza mediante el análisis de textura en cada región, utilizando el algoritmo Detectar Defecto (Alg. 2 y 3) y el descriptor de Primer Orden (Alg. 5). Para identificar los defectos específicos, se aplican descriptores de color, tamaño y textura a través de la Segmentación por Color y Tamaño (Alg. 4). La propuesta fue implementada y probada en una base de datos, logrando una tasa de eficiencia del 97.90% y un tiempo de procesamiento de 17 a 25 ms por imagen, superando al algoritmo del proyecto (Proy.PIPEA_134, 2013), que alcanzó una eficiencia del 91.06% y 43 ms de procesamiento.