Identificación de defectos de calidad en frutos de aguacate ‘Hass’ mediante procesamiento de imágenes
México, es el principal productor de aguacate ‘Hass’ (Persea americana Mill.) a nivel mundial. Sin embargo, los pequeños productores suelen presentar problemas de calidad y no cumplen con estándares de la norma NMX-FF-016-2002. Por cual, el objetivo de la investigación fue identificar defectos de c...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universidad Juárez Autónoma de Tabasco
2025-02-01
|
| Series: | Ecosistemas y Recursos Agropecuarios |
| Subjects: | |
| Online Access: | http://era.ujat.mx/index.php/rera/article/view/4130 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | México, es el principal productor de aguacate ‘Hass’ (Persea americana Mill.) a nivel mundial. Sin embargo, los pequeños productores suelen presentar problemas de calidad y no cumplen con estándares de la norma NMX-FF-016-2002. Por cual, el objetivo de la investigación fue identificar defectos de calidad en frutos mediante procesamiento de imágenes. Para ello, en septiembre de 2023 se cosecharon frutos en madurez fisiológica en diversos huertos de la región de Valle de Bravo, México. A cada aguacate se le midió el diámetro, longitud y peso. La evaluación de defectos de calidad se realizó por un experto y, simultáneamente, se tomaron fotografías para analizar las imágenes mediante algoritmos de binarización y Canny con la finalidad de identificar daños físicos externos y estimar la longitud, diámetro y peso de cada fruto. Se aplicó una prueba de t para comparar el tamaño del fruto estimado por el algoritmo y datos reales. Como resultado se observaron diferencias significativas (p < 0.01) en longitud y diámetro, por lo cual, se aplicó un factor de ajuste para optimizar los resultados del algoritmo. Se obtuvo un modelo de regresión lineal múltiple (p<0.01, r2=0.91) que estima el peso en función del diámetro y longitud. El proceso de binarización ayudó a identificar daños por trips, raspaduras y roña. Mientras que con el método de Canny se identificaron daños por trips y roña. En conclusión, el análisis de imágenes fue eficiente para identificar defectos causados por roña, trips y raspaduras, así como la estimación del tamaño de los frutos.
|
|---|---|
| ISSN: | 2007-9028 2007-901X |