El ai2 e Ingivision desarrollan un sistema de redes neuronales para detectar defectos en naranjas

Publicado el 28 febrero, 2020

 

El Instituto de automática e informática industrial (Instituto ai2) de la UPV y la empresa Ingivision han desarrollado un sistema de redes neuronales para clasificación de naranjas según su nivel de calidad. El sistema es capaz de detectar los defectos en la fruta y ajustar automáticamente los criterios de clasificación de la misma.

Seis meses de trabajo con la firma Ingivision, fabricante de maquinaria para control de calidad de la fruta, y la empresa castellonense Naranjas Torres, han llevado al Instituto ai2 ha desarrollar un sistema de clasificación de imágenes de última generación para la mejora de la calidad y detección de errores en naranjas.

Actualmente, Ingivision trabaja con técnicas de visión por computador estándar para visión de calidad de fruta y detección de defectos con el objetivo de clasificar la fruta en diferentes calidades, en este caso, naranjas. “En ese sentido, Ingivision nos propuso trabajar con aprendizaje profundo y redes neuronales para realizar esa clasificación, con lo que desarrollamos una aplicación basada en un modelo de red recurrente para una línea de producción de 18 naranjas por segundo”, explica Antonio Sánchez, investigador del ai2 responsable del proyecto.

Flexibilidad para el ajuste de criterios

El sistema desarrollado aporta flexibilidad a la empresa en cuanto a la aplicación de los criterios de clasificación de la fruta. “Cuando se diseña un algoritmo de visión tradicional para clasificar las naranjas, es muy complicado que un trabajador conozca cómo cambiar los criterios de calidad y cómo reajustar los algoritmos para que el sistema tenga en cuenta otras variables. Sin embargo, en este sector, esa necesidad es constante, pues los criterios de calidad son muy variables, ya que dependen de la cosecha de cada año”, relata Sánchez. Las redes neuronales permiten hacer ese ajuste de criterios gracias al aprendizaje-error de la propia aplicación y sin necesidad de que haya detrás una persona con una formación técnica altamente especializada. Es la propia herramienta la que permite que el proceso de reajuste de los criterios de clasificación sea automático.

“En las técnicas tradicionales de visión por computador, es el diseñador quien decide qué características son defectos para la clasificación. En ese proceso, hay una parte de arte e intuición por parte del propio diseñador o ingeniero que con las nuevas técnicas de redes neuronales se automatiza. Con técnicas de aprendizaje profundo, es el propio sistema el que automáticamente extrae esas características”, explica Sánchez. Esa situación no solo mejora los resultados, sino que hace que la red neuronal, a veces, sea capaz de encontrar características (que caracterizan defectos) que el diseñador o ingeniero no puede prever.

Actualmente, la empresa Naranjas Torres está probando el sistema e Ingivision está en fase de desarrollo de un prototipo propio que podrá utilizar no solo para inspección de calidad en naranjas, sino en todo tipo de fruta.

 


Noticias

Próximos Eventos

May
5
Mar
12:00 am SMART4ALL Convocatoria Abierta
SMART4ALL Convocatoria Abierta
May 5 a las 12:00 am – Dic 31 a las 12:00 am
SMART4ALL Convocatoria Abierta
SMART4ALL (Proyecto H2020) da apoyo a soluciones digitales innovadoras y extraordinarias en donde la colaboración con otras organizaciones es la base del éxito. La iniciativa busca impulsar soluciones digitales de España y Europa basadas en

 

 

 

 

 

Cómo llegar I  Planos I Contacto
Universitat Politècnica de València © 2015 · Tel. (+34) 96 387 90 00 · informacion@upv.es
campus UPV de excelencia campus UPV de excelencia