Resumen

Este artículo presenta los resultados de una clasificación binaria de imágenes con dos diferentes condiciones de iluminación y fondo para un problema específico de detección de grupos de fajillas en paquetes de billete. La detección se lleva a cabo con un clasificador “Support Vector Machines” entrenado  con  vectores  característicos  obtenidos  de  las  imágenes  mediante  la  aplicación  de  la  transformada wavelet y de la técnica de concatenación de histograma. Para cada condición de fondo e iluminación se entrena un clasificador diferente, se obtiene la matriz de confusión de cada uno y luego se comparan mediante los parámetros de recall, especificidad, precisión, exactitud y Fscore.

1. Introducción

El recibo de consignaciones provenientes de bancos comerciales es uno de los procesos que debe llevar a cabo el Banco de la República de Colombia para cumplir con sus funciones encomendadas en la constitución [1]. Las consignaciones son realizadas en paquetes que deben contener cien fajos de billete agrupados en grupos de cinco, los cuales son inspeccionados y contados de manera visual por un trabajador de la entidad para dar conformidad a la consignación.

En ocasiones no se detectan inconsistencias en los paquetes consignados lo que conlleva consecuencias para el Banco de la República como descuadres contables y trámites administrativos, y consecuencias para el trabajador como presentación de informes, pago de diferencias y procesos disciplinarios. Esta situación motiva a proponer una solución tecnológica que apoye a los funcionarios en dicha labor.

Podría pensarse en soluciones triviales a la detección de fajos faltantes como pesar el paquete y compararlo con un valor de referencia, sin embargo, esto presentaría complicaciones ya que un billete muy deteriorado, por el polvo y la humedad que va adquiriendo a través de los años, presenta un grosor y un peso mayores a los de un billete en buen estado. Adicionalmente, el procedimiento de la entidad establece que la verificación debe realizarse de manera visual mediante conteo de grupos de fajillas [2].

La visión artificial busca imitar el proceso de percepción visual que los humanos realizamos y ha venido utilizándose en diferentes aplicaciones como reconocimiento óptico de caracteres, inspección de maquinaria, ventas al por menor, imágenes médicas, seguridad automotriz, vigilancia, entre otros. Además, ha servido como un sistema de control de calidad en diferentes industrias [3]. Por esta razón se contempla como una opción adecuada para implementar la solución tecnológica al proceso.

El reconocimiento de grupos de fajillas en paquetes de billetes corresponde a un problema de clasificación binaria donde un algoritmo se encarga de establecer si una imagen pertenece o no a una categoría específica. Como casi todo problema de visión artificial requiere de una serie de pasos para lograr el objetivo como lo son un preprocesamiento de las imágenes para adecuarlas de forma que facilite el análisis posterior de éstas, una obtención de características del objeto a reconocer que lo diferencien de los demás y una clasificación basada en dichas características. 

• Materias:Moneda Modelos matemáticos Mejoramiento de procesos Algoritmos (Computadores)
• Subjects:Currencies Mathematical models Process improvement Computer algorithms
• Palabras claves:Clasificación binaria, concatenación de histograma, matriz de confusión, support vector machines, transformada wavelet.
• Keywords:Binary classification, confusion matrix, histogram concatenation, support vector machines, wavelet transform