SciELO - Scientific Electronic Library Online

 
vol.50 issue2Assessment of ten barley genotypes (Hordeum vulgare L.) sown on five planting dates in two agricultural cyclesRooting of juvenile cuttings of Bertholletia excelsa under different concentrations of indolebutyric acid author indexsubject indexsearch form
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • Have no similar articlesSimilars in SciELO

Share


Agrociencia

On-line version ISSN 2521-9766Print version ISSN 1405-3195

Abstract

SALDANA-ROBLES, Noé et al. Localización del ápice del ajo mediante técnicas de análisis digital de imagen. Agrociencia [online]. 2016, vol.50, n.2, pp.215-225. ISSN 2521-9766.

La siembra y la cosecha son las operaciones más costosas en la producción del ajo (Allium sativum L.), pues se realizan a mano. Para hacer factible la siembra mecanizada, el diente de ajo se debe colocar en el suelo con el ápice hacia arriba porque colocarlo al azar reduce el rendimiento hasta en 23 %. El objetivo de este estudio fue desarrollar un algoritmo para identificar el ápice del ajo mediante visión artificial. Para ello se empleó una cámara de video y lámparas de iluminación, con lo cual se obtuvieron imágenes digitales de dientes de ajo. Las imágenes se procesaron para identificar el ápice en cuatro pasos: 1) captura de la imagen; 2) detección del borde perimetral de los dientes de ajo; 3) cálculo de ángulos en el interior del borde de los dientes y localización del ápice bajo la hipótesis de que éste coincide con el ángulo más pequeño en el interior del borde; 4) identificación de la necesidad de reorientar el ápice. El impacto de la posición y tamaño en la correcta identificación del ápice se evaluó estadísticamente y se compararon los métodos de detección de bordes Canny, Roberts y Sobel. Los resultados no mostraron diferencias estadísticas significativas (p>0.10) entre los diferentes tamaños y las posiciones del ajo al localizar el ápice, lo cual resulta conveniente. Pero sí hubo diferencias estadísticas significativas (p≤0.10) entre los métodos de detección de bordes utilizados, porque el de Canny tuvo mejor desempeño en la localización del ápice. El algoritmo desarrollado en esta investigación se podría usar para diseñar un sistema mecánico que reoriente el ápice a través de visión artificial en la siembra de ajo.

Keywords : Allium sativum L.; detección de bordes; Canny; mecanización de la siembra; visión artificial.

        · abstract in English     · text in English | Spanish     · English ( pdf ) | Spanish ( pdf )