Con el fin de desarrollar un método para determinar la calidad del grano de cacao en comparación con las técnicas tradicionales que se utilizan actualmente, se propone una nueva metodología usando algoritmos de visión artificial en Matlab aplicado a imágenes hiperespectrales en el rango de 400 a 900 nm del espectro electromagnético. En esta tesis se presenta un análisis del Índice de Reflectancia antocianina (ARI2) durante el proceso de secado en diferentes áreas del grano de cacao violeta, como el endospermo, el cotiledón y grietas; se correlaciona con los datos de pH, y la humedad inducida por un análisis bioquímico. La correlación de Pearson ha permitido correlacionar los valores de ARI2 con pH y humedad, dando valores de -0.93 y 0.96 respectivamente. Se encontró una relación inversa entre los valores de ARI2 de las grietas y la calidad del grano de cacao al final del proceso de secado. Valores ajustados por mínimos cuadrados de ARI2 de la zona del cotiledón del grano cercanos a 2 es un indicador que el proceso de secado ha culminado, también se encontró una relación inversa entre el valor de ARI2 promedio en las grietas del cacao con el grado de calidad del grano al final del proceso de secado, valores mayores a 2.12 de ARI2 está relacionado con granos de cacao de baja calidad, mientras que valores menores a este, está relacionado con granos de buena calidad.
El sistema implementado está desarrollado en etapas: pre-procesado, operaciones morfológicas, segmentación, análisis de componentes principales, cálculo de los índices de vegetación, algoritmos de visión artificial y se relaciona con datos proporcionados por un examen bioquímico de pH y Humedad realizada durante los 7 días que dura el proceso de secado. De este modo se busca proporcionar al sector agroindustrial de una herramienta de bajo de costo de manera que brinde una solución objetiva y efectiva para determinar la calidad del grano de cacao durante la etapa de secado y post-secado. El cubo hiperespectral espectral del grano de cacao se adquirió mediante el programa Spectronom, y el procesamiento de la imagen ha sido desarrollado completamente con la herramienta “Video and Image Processing Toolbox” que opera en el entorno MATLAB. Se redujo su dimensión por medio del Análisis de Componentes Principales (PCA) donde el primer componente PC1 proporciona el 95% de toda la información del grano.
Los resultados de esta investigación fueron presentados en el 2° Congreso Salesiano de Ciencia, Tecnología e Innovación para la Sociedad, CITIS, 2 y 3 de Diciembre del 2015, Guayaquil-Ecuador.

FONDECYT

info:pe-repo/semantics/TesisMaestria