Diseño y construcción de un banco de pruebas con iluminación multiespectral para el estudio del estado de maduración en aguacates

Abstract

La exportación de aguacates en Colombia ha aumentado en los últimos años. Una de las etapas clave del proceso de producción es conocer el grado de madurez del aguacate que se va a cosechar. Existe una correlación entre la materia seca de un aguacate y su esta- do de maduración. Sin embargo, la estimación de la materia seca por medios físicos es un proceso que consume mucho tiempo y conlleva grandes pérdidas. Existen varios estudios sobre la relación entre imágenes multiespectrales de aguacates y su materia seca. Esta tesis presenta los detalles sobre el diseño y la construcción de un sistema de imágenes multiespec- trales basado en Leds. El diseño se dividió en tres partes principales: mecánica, hardware electrónico y firmware. Una vez probado el sistema, se tomaron imágenes de 14 aguacates para obtener una primera aproximación a la estimación de la materia seca, utilizando técni- cas de uso común en reconocimiento de patrones como LDA, distancia de Mahalanobis y mapas auto-organizativos. Nuestros mejores resultados se obtuvieron utilizando la distancia de Mahalanobis, que da un error relativo máximo del 14,77 % (Texto tomado de la fuente)

The exportation of avocados in Colombia has increased in the last few years. One of the key stages of the production process is to know the ripeness level of the avocado that is going to be harvested. There is a correlation between the dry matter of an avocado and its ripeness state. Nevertheless, dry matter estimation by physical means is a time-consuming and wasteful process. There are several studies on the relationship between multispectral images of avocados and their dry matter. This thesis presents the details on the design and construction of a LED-Based Multispectral Imaging System. The design was divided into three main parts: mechanical, electronic hardware, and firmware. Once the system was proof tested, images were taken from 14 avocados in order to obtain a first approximation to the estimation of the dry matter, using techniques that are commonly used in pattern recognition such as LDA, Mahalanobis distance, and Self-organizing-maps. Our best results were achieved using the Mahalanobis distance, which gives a maximum relative error of 14.77% .