Determinación de la pureza varietal de granos de cebada mediante visión por computadora

Abstract

Las diversas variedades de cebada cervecera se comportan de manera diferente durante el proceso de malteado, es por esto que se exige una alta calidad en la materia prima, donde surge la necesidad de clasificar los granos de cebada de acuerdo a su variedad. Por lo tanto, se ha desarrollado un algoritmo de visión por computadora para clasificar cinco variedades de granos de cebada maltera e impurezas presentes en una muestra. La primera etapa consistió en la adquisición, procesamiento de imágenes y la obtención de 171 características de tamaño, forma, textura y color de granos de cebada que se redujeron mediante análisis factorial por el método de componentes principales a 41 parámetros. Para la clasificación de las variedades de cebada e impurezas se implementaron redes neuronales de reconocimiento de patrones, empleando el método de entrenamiento Levenberg-Marquardt con regulación bayesiana. La precisión en la clasificación de las variedades de cebada e impurezas fue de 93.9 y 99.9%, respectivamente, mostrando un error medio cuadrado de 0.011 y 0.0009. En la validación del algoritmo para los clasificadores entrenados se obtuvo una sensibilidad y especificidad promedio de 90.5 y 97.4% clasificando variedades y 99% en ambos parámetros medidos clasificando granos de cebada de impurezas.