Procesamiento de imagen y visión hiperespectral para el control de calidad en la industria de la patata

Resumo

La automatización sigue siendo un área de trabajo esencial en algunas industrias, como la agroalimentaria. Por ello, es necesario fomentar el uso de nuevas tecnologías como vía para mejorar la competitividad y eficiencia de las empresas. La visión por computador es un área de conocimiento multidisciplinar que ha contribuido notablemente a la mejora de la industria durante los últimos años. Uno de sus múltiples usos ha sido el desarrollo de sistemas para el control de la calidad de modo no destructivo, objetivo y automático. En esta tesis doctoral se han desarrollado soluciones para el control de calidad en la industria de la patata, usando visión por computador en el espectro visible y visión hiperespectral en el espectro infrarrojo. Así, se detectan problemas externos en tubérculos como la sarna común, el verdeo o la pdredumbre seca, y enfermedades internas como el corazón hueco. Para ello se han desarrollado distintos sistemas de adquisición que han sido puestos a punto, y se han realizado varias campañas de captura, tras las que se han obtenido diversas bases de datos de imágenes que representan los problemas a abordar. Tras ciertas tareas de procesamiento de imagen, segmentación, y extracción de características, dichos problemas se han tratado como procesos de reconocimiento de patrones. Así, se han aplicado unos algoritmos de selección de características y clasificación (como Support Vector Machines y Random Forest) que evaluamos a través de sus porcentajes de acierto. Por su novedad, una de los principales puntos de interés de esta tesis es la aplicación de una tecnología emergente como la visión hiperespectral para la detección de características externas e internas de la patata, y la puesta a punto de un sistema de adquisición hiperespectral infrarrojo de propósito general que ya se está utilizando en nuevos problemas de inspección. Además, se han adaptado algoritmos de procesamiento de imagen al análisis hiperespectral, y se han utilizado algoritmos de selección de características como método para la determinación del subconjunto óptimo de longitudes de onda dentro del espectro abarcado.