Resumen

Las perillas han suscitado un creciente interés de estudio debido a su amplio uso en medicina y alimentación. La estimación de la calidad y madurez de una perilla requiere información sobre su tamaño. En la actualidad, la medición y clasificación del tamaño de las perillas depende principalmente del trabajo manual, que se ve limitado por una baja eficiencia y una precisión insatisfactoria. Para abordar este problema, en este estudio desarrollamos un enfoque basado en la técnica de visión artificial (VM) para la medición y clasificación del tamaño en línea. Se construyen el modelo geométrico y el modelo matemático correspondiente para las perillas y las imágenes, respectivamente. A partir de los modelos construidos, se propone el método de medición y clasificación por tamaños, que incluye la binarización de imágenes, la determinación de puntos clave, la correspondencia de información y la estimación de parámetros. Los resultados experimentales demuestran que el consumo medio de tiempo para una imagen capturada, el error medio de medición, la varianza del error de medición y la precisión global de la clasificación son de 204,175 ms, 1,48 mm, 0,07 mm y 93%, respectivamente, lo que implica la viabilidad y la precisión satisfactoria del enfoque propuesto.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:perilas, tamaño, error medio de medición, consumo medio de tiempo, determinación del punto clave, enfoque, estudio, resultados experimentales, modelo geométrico, binarización de imágenes
• Keywords:perillae, size, average measuring error, average time consumption, key point determination, approach, study, experimental results, geometrical model, image binarization