Development of Artificial Intelligence for the detection of Granny Smith apples in poor condition using Python software
DOI:
https://doi.org/10.18050/w9qzf122Keywords:
Python, System Advancing, Computer Vision, IDLE ShellAbstract
This project covers the implementation of an advanced system to evaluate the classification characteristics of Chilean apples based on their color and perimeter. In addition, it is capable of detecting apples in a state of decomposition. To achieve this, a computer vision program developed in Python is used, which runs on an HP laptop. The system analyzes the characteristics of the apples using the IDLE Shell history, where image capture moments, contours and centroids are recorded. This allows you to determine whether an apple is accepted or rejected. Our algorithm detects possible anomalies, thanks to a controlled environment and a Jetion PJT-DCM141 Webcam with 720p USB connection, which generates images in a stable and illuminated environment. Using our programming, we have achieved an efficiency of [93%] and a pressure of [95%], which we consider satisfactory results for our research.
Downloads
References
#SomosNoticia. (2021, 13 de agosto). SENASA y productores del valle de Chicama intensifican acciones para producir guabas, uvas, naranjas y manzanas libres de la plaga mosca de la fruta. Servicio Nacional de Sanidad Agraria. https://www.senasa.gob.pe/senasacontigo/senasa-y-productores-del-valle-de-chicama-intensifican-acciones-para-producir-guabas-uvas-naranjas-y-manzanas-libres-de-la-plaga-mosca-de-la-fruta/
Akhtar Khan, S. (2022, 27 de septiembre). How to find the HSV values of a color using OpenCV Python? https://www.tutorialspoint.com/how-to-find-the-hsv-values-of-a-color-using-opencv-python
Al Ohali, Y. (2010). Computer vision based date fruit grading system: Design and implementation. King Saud University.
Bravo Reyna, J. L. (2020). Detección automática del daño causado por el gusano cogollero en la planta de maíz [Tesis de licenciatura, Tecnológico Nacional de México].
Burgos Zavaleta, P. A., Ulloa Baquedano, J. F., Aguilar Acevedo, J., Robles Malqui, A. R., & Julián Suarez, C. (2022). Desarrollo de un sistema de visión artificial para detección de abolladuras en latas de atún. Universidad Privada del Norte.
ComexPerú. (2023, 15 de diciembre). Aún en rojo: Las exportaciones peruanas cayeron un 0.1% a octubre de 2023. https://www.comexperu.org.pe/articulo/aun-en-rojo-las-exportaciones-peruanas-cayeron-un-01-a-octubre-de-2023
Cueva Caro, J. E. (2022). Redes neuronales convolucionales para determinar la acidez y grados Brix de Pitahaya amarilla (Hylocereus megalanthus) en la región Amazonas [Tesis de licenciatura, Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas].
DataScientest. (2019, 18 de enero). NumPy: La biblioteca de Python más utilizada en Data Science. https://datascientest.com/es/numpy-la-biblioteca-python
Huillca Tumba, J. A. (2022). Diseño de un sistema de clasificación por categorías de aguaymanto y fresas usando redes neuronales convolucionales para el control de calidad en el proceso de deshidratado en la región de Huánuco [Tesis de licenciatura, Universidad Nacional Hermilio Valdizán].
INEI. (2023, 16 de mayo). Informe económico y comercial Perú. ICEX. https://www.icex.es/content/dam/es/icex/oficinas/065/documentos/2023/05/anexos/iec-peru-2023.pdf
IngiVision. (2021, 23 de marzo). Todo lo que debes saber sobre inteligencia artificial y su aplicación en la industria hortofrutícola. https://www.ingivision.com/2021/03/23/inteligencia-artificial/
La República. (2019, 10 de octubre). Tacna: Decomisan 60 kilos de fruta malograda en mercado. https://larepublica.pe/sociedad/2019/10/10/tacna-decomisan-60-kilos-de-fruta-malograda-en-mercado-fiscalia-lrsd
León León, R. A., & Garcia Saire, J. M. (2018). Sistema de visión artificial para la inspección de fechas en productos industriales alimenticios. Universidad César Vallejo.
Manav, N. (2022, 22 de enero). Recortar imagen usando OpenCV en Python. https://www.delftstack.com/es/howto/python/crop-images-using-opencv-in-python/
MAPA. (2020, 15 de julio). Perú está entre las potencias exportadoras de fruta en el mundo (p. 1). Instituto Nacional de Estadística e Informática
Martin Monroy, M. (2006). Manual de la iluminación. Editorial ANAYA Multimedia.
Martínez, J. (2022, 7 de enero). Cómo cambiar el tamaño de una imagen en OpenCV. https://www.datasmarts.net/como-cambiar-el-tamano-de-una-imagen-en-opencv/
Omes. (2019, 17 de octubre). Contornos y cómo dibujarlos en OpenCV y Python. https://omes-va.com/contornos/
OMES. (2020, 3 de enero). Contando por colores en Python-OpenCV. https://omes-va.com/contando-por-colores-en-python-opencv/
PlazaVea. (2024, 1 de enero). Manzana verde importada. https://www.plazavea.com.pe/manzana-verde-importada/p
Rivera Vaca, C. D. (2023). Sistema inteligente de detección de estrés hídrico para determinar la calidad de cultivo de lechuga a través de visión artificial [Tesis de licenciatura, Universidad Técnica del Norte].
Rodriguez Ojeda, L. (2016). Python programación. Ediciones Universitarias.
Sepúlveda, L. A., & Araya, Y. J. (2017). Efecto del clima en la calidad de las manzanas. Boletín del Centro de Pomáceas, 17(1), 4–6.
Serrano Fuente, M., Lizardo Zelaya, N. A., & Ordoñez Avila, J. L. (2020). Coffee fruit recognition using artificial vision and neural networks. Universidad Nacional Autónoma de Honduras.
Toolify.ai. (2024, 10 de febrero). Aprende sobre erosión y dilatación de imágenes en niveles de gris. https://www.toolify.ai/es/ai-news-es/aprende-sobre-erosin-y-dilatacin-de-imgenes-en-niveles-de-gris-1082951
