IDENTIFICACIÓN Y CLASIFICACIÓN DE FRUTOS DE CAFÉ EN TIEMPO REAL, A TRAVÉS DE LA MEDICIÓN DE COLOR

IDENTIFICACIÓN Y CLASIFICACIÓN DE FRUTOS DE CAFÉ EN TIEMPO REAL, A TRAVÉS DE LA MEDICIÓN DE COLOR Paula Jmena Ramos Graldo*, Juan Rodrgo Sanz Urbe*, Carlos Eugeno Olveros Tascón* RESUMEN RAMOS G., P.J.; SANZ U., J.R.; OLIVEROS T., C.E. Identfcacón y clasfcacón de frutos de café en tempo real a través de la medcón de color. Cencafé, 61(4:315-36. 010 Este artículo presenta un método para dentfcar cuatro estados de maduracón de los frutos de café y su mplementacón en un crcuto electrónco. El método se basa en la representacón del color Hue-Saturaton- Value (HSV, partcularmente en las dferencas de los estados de maduracón en el plano de las componentes hue (Matz y saturaton (Saturacón (hs, y un algortmo de aprendzae que entrega puntos de corte para lmtar las áreas de los cuatro estados de maduracón sobre el plano hs. El algortmo usa un proceso denomnado Optmzacón de la Efcaca Global (OEG, para dentfcar las áreas que contenen el máxmo número de lecturas de un estado de maduracón, con el mínmo efecto de éstos en áreas vecnas. El sstema tene dos funcones, una de calbracón que usa el algortmo para determnar el área correspondente a cada estado de maduracón sobre el plano hs, y otra de clasfcacón, que tene la capacdad de dentfcar y separar hasta 50 frutos/s en tempo real. El sstema tolera varacones en la dstanca de los frutos a la lente, humedad de los frutos y cambos suaves en la potenca lumnosa de la fuente de luz. La efcaca de dentfcacón varía entre 94,8% y 99,6%, lo cual hace que el dspostvo sea confable para el control de caldad de la matera prma a procesar en el benefco del café. Palabras clave: Optoelectrónca, vsón artfcal, clasfcador lneal, estados de maduracón. ABSTRACT Ths paper presents a novel method and a hardware to dentfy coffee fruts n four dfferent maturaton stages. Ths method s based n the Hue-Saturaton-Value (HSV color representaton, more partcularly n dfferences n the H-S plane and t uses a learnng algorthm that gves the cutoffs that lmt four dfferent areas n the H-S plane for every maturaton stage. In order to obtan the lmts, the algorthm uses an optmzaton process, named Optmzed Global Effcacy (OGE, to dentfy the maxmum number of fruts n the rght area. The hardware has two functons; a calbraton functon that uses the mentoned algorthm to determne the areas n the H-S plane and the classfcaton functon that has the ablty to dentfy and separated 50 fruts per second n real tme. The system tolerates varatons n the dstance to the target, humd envronment, wet fruts and smooth changes n llumnaton. The effcacy of the hardware vared from 94,8% up to 99,6%, whch makes ths devce relable for the propose that was developed. Keywords: Optoelectroncs, machne vson, classfer lnear, maturaton stages Investgador Centífco I, Investgador Centífco II e Investgador Prncpal, respectvamente. Ingenería Agrícola. Centro Naconal de Investgacones de Café, Cencafé. Manzales, Caldas, Colomba. Cencafé, 61(4:315-36. 010 315

El café es uno de los prncpales productos de exportacón en Colomba, del cual dependen cerca de dos mllones de personas. A nvel mundal, el café colombano es reconocdo como el café más suave del mercado, debdo a una combnacón de condcones como la varedad, el suelo, el clma, las práctcas agrícolas, la recoleccón selectva y el procesamento. Roa et al. (9 defnen un fruto de café como una baya drupácea, conformada por la pulpa, epderms o exocarpo, y el mucílago o mesocarpo, que es una sustanca azucarada y gelatnosa, que forma una capa de 0,5 mm de espesor promedo, la cual recubre los dos granos enfrentados por su cara plana (Fgura 1. Las almendras o granos de café, de los cuales se extrae la bebda, se encuentran recubertos por dos capas, una llamada pergamno o endocarpo, la cual es dura y frágl, y la segunda, una membrana fna llamada espermodermo o película plateada. El color de la epderms o pulpa varía de verde a roo, por la aparcón de sustancas como la clorofla y las antocannas, respectvamente, las tonaldades presentes sobre la epderms del fruto ndcan drectamente el grado de maduracón (4. Después de la floracón, el café tarda en promedo 3 semanas para alcanzar el estado óptmo de maduracón. El proceso de desarrollo de los frutos de café está dvddo en tres etapas según Salazar et al. (10. En la prmera etapa, que va desde la floracón hasta la semana 8, el crecmento es muy lento, los frutos verdes y se asemean a la cabeza de un fósforo. En la segunda etapa, comprendda entre la semana 9 y la 6, el crecmento es más rápdo, los frutos empezan a ganar peso y su color permanece verde presentando cambo de tonaldades. La tercera etapa, que va desde la semana 7 a la 3, el fruto camba de color verde a roo y adquere su madurez fsológca, estos frutos son aptos para ser cosechados. Por últmo, se encuentra la postmaduracón, etapa que se presenta s no se cosechan los frutos oportunamente (Fgura. Según Ramos et al. (8, durante el proceso de maduracón los frutos de café expermentan un cambo de color correspondente al cambo del espectro vsble de 551,5 nm, cuando el fruto es nmaduro, a 616,18 nm, cuando el fruto es maduro, y se defnen otras longtudes de onda cercanas a las menconadas, para los estados de desarrollo ntermedos. Adconal a esto, Carvaal et al. (1 determnaron cuanttatvamente el color de los frutos en dferentes estados de desarrollo y concluyeron que exsten dferencas de color defndas por componentes de lumnosdad y cromatcdad sobre la superfce del epcarpo del fruto. Estos resultados potencan la relacón entre la característca físca del color con los estados de madurez presentados por los frutos de café, verfcando la dea de relaconar los estados de madurez con alguna medda no destructva sobre el fruto de café, que en este caso corresponde a la medda del color. Debdo a las condcones clmátcas en la zona cafetera, la produccón de las plantacones se encuentra muy dstrbuda a lo largo del año. Por esta razón, los recolectores deben realzar varos pases en el año para realzar las labores de cosecha, encontrando durante cualquer pase, frutos de café en todos los estados de maduracón. Es así como los recolectores deben ser muy cudadosos para hacer esta labor de forma selectva, lo que encarece la cosecha y la hace responsable de cerca del 40% de los costos totales de produccón en una fnca cafetera. No obstante, una cudadosa recoleccón, los trabaadores accdentalmente desprenden frutos ndeseables, lo que causa nconsstencas en la caldad de la matera prma, como lo reporta Puerta (7. Para separar estos frutos y obtener café de alta caldad, se utlzan equpos en las dferentes etapas del proceso de benefco. 316 Cencafé, 61(4:315-36. 010

Omblgo Película plateada Semllas Almendra Pergamno Mucílago Pulpa Fgura 1. Composcón de un fruto de café. Fgura. Estados de desarrollo de los frutos de café. Por eemplo, antes del despulpado, los frutos de café se clasfcan por densdad, por medo de un Separador Hdráulco de Tolva y Tornllo Snfín (6, con esta máquna se retran del proceso frutos vanos, secos o atacados por broca, los cuales flotan en la tolva de precptacón, además de pedras y obetos pesados, que se precptan y quedan atrapados en una apéndce de la máquna. Luego del proceso de despulpado, se utlza una zaranda donde los frutos despulpados son clasfcados por tamaño y se retran del proceso frutos meda cara, nmaduros de gran tamaño y enfermos, cuyo tamaño ndca que aún tenen pulpa adherda (9. En el estado del arte se encuentran nvestgacones basadas en procesamento dgtal de mágenes, en las cuales se ha logrado selecconar frutos de café en condcones controladas de laboratoro, Sandoval et al. (11, 1, 13, lograron porcentaes de clasfcacón Cencafé, 61(4:315-36. 010 317

de 96,88%, a través del uso de cámaras dgtales y computadores. En el estudo de Mosquera et al. (5, se dentfcan frutos de café en ramas, por medo del análss multespectral de mágenes, requrendo el uso de equpos sofstcados de vsón por computador. En la búsqueda de desarrollar un sstema sencllo, práctco y económco, Sanz et al. (14, 15, como antecedente a esta nvestgacón, dseñaron un algortmo de dentfcacón basado en el espaco de color RGB; los resultados mostraron la capacdad de dentfcar cnco estados de maduracón de frutos de café, sn embargo, el sstema mostró dsmnucón de la sensbldad con los cambos en la potenca lumnosa de la fuente de lumnacón. En esta nvestgacón se desarrolló un sstema de dentfcacón no destructvo de frutos de café de varedades de fruto roo, con el cual se puede determnar el estado de madurez de cada fruto, a través de una relacón entre el color presente en la pulpa del fruto, en componentes hue (Matz y saturaton (Saturacón, y su respectvo estado de madurez, con el fn de analzar los frutos en tempo real, en un sstema electrónco dedcado, ndependente de un computador. La relacón encontrada entre los componentes matz y saturacón (hs, fue mplementada en un sstema embebdo, conformado por un sensor de color, una fuente de lumnacón, un sstema basado en mcroprocesador y un algortmo de clasfcacón de bao costo computaconal, que logra dentfcar los estados de madurez efcazmente y en tempo real. MATERIALES Y MÉTODOS Montae expermental. Consstó en un sensor de color tpo CMOS, referenca TAOS-TCS30, ncludo dentro de un módulo AXE045, y una corona de lumnacón con 1 LEDs de alto brllo, de luz blanca. La óptca del módulo consstó en una lente de mm de dámetro, que permte proyectar 4 mm de un obetvo ubcado a una dstanca de 5 mm sobre el sensor de color CMOS de 64 fotodetectores de 1 mm. El TCS 30 tenía un protocolo de comuncacón de dos bts para defnr el canal a leer, R para roo, G para verde y B para azul, y contó con una únca salda de señal dgtal, cuya frecuenca varó dependendo de la ntensdad de color detectada. El montae expermental ncluyó un dsco rotatoro con cuencas, para aloar el msmo número de frutos, para smular el fluo de frutos frente al sensor, por medo de un motor DC y un sstema de control basado en un modulador de ancho de pulsos PWM (del nglés Pulse Wdth Modulaton, para varar la velocdad de exposcón de los frutos en frente del sensor. El sstema completo fue controlado por computador, por medo de los módulos de tempo real de LabVew 7.1. La Fgura 3 muestra el montae expermental desarrollado para caracterzar el color sobre los frutos de café. Correlacón color-estado de maduracón. Los estados de maduracón sobre los cuales se realzó la nvestgacón fueron nmaduro, pntón, maduro y sobremaduro. El estado nmaduro se asgnó a los frutos con menos de 5 semanas de desarrollo, el pntón a aquellos frutos con 6 a 9 semanas, el maduro a frutos entre 30 y 33 semanas, y el sobremaduro a frutos con cerca de 34 semanas después de floracón. El montae expermental se usó para correlaconar el color de la pulpa de los frutos con su estado de maduracón. Para tal fn se caracterzaron frutos de café por 318 Cencafé, 61(4:315-36. 010

cada estado de maduracón. Para calcular los límtes, el algortmo usa un proceso denomnado Optmzacón de la Efcaca Global (OEG, con el fn de dentfcar el máxmo número de lecturas en el área correcta. Con esta optmzacón se encontraron los ntervalos en los cuales se contenen el mayor número de lecturas correctas con el mínmo efecto de lecturas ncorrectas, debdo a los estados de maduracón vecnos. Los pasos que sguó el algortmo fueron:! Fgura 3. Montae expermental desarrollado para caracterzar el color sobre los frutos de café. estado de madurez (nmaduro, pntón, maduro, sobremaduro y seco, en total se requreron 500 frutos para realzar la caracterzacón. Dchas muestras fueron selecconadas por expertos antes de exponerlas frente al sstema optoelectrónco. Cada lugar en el dsco tuvo la nformacón del estado de maduracón de cada fruto que allí se dspuso. Se exploraron las dferencas en la representacón del color HSV (del nglés Hue, Saturaton y Value. Por lo tanto, se adqureron las varables RGB (del nglés Red, Green y Blue del sensor para cada fruto de café dspuesto en el dsco, se tomaron los estados de maduracón y se transformaron a las componentes de color HSV (. Paso 1. Conversón de espaco de color de RGB a HSV, Ecuacones <<1>>, <<>> y <<3>> <<1>> v = max{r, g, b} g b, para v = r 6s b r + s, para v = g h= 6 r g 4 + s, para v = b f {h < 0} h = h + 1 <<>> <<3>> s = v mn{r, g, b} Como la varable h, en la representacón de color HSV, es un círculo y el color roo (maduro tene valores antes y después del cero, se realzó un corrmento hasta el punto en que se aseguró que los frutos maduros permanecían en una ubcacón del círculo sn sufrr partcones en el msmo (Fgura 4. Algortmo de aprendzae. El algortmo encuentra los puntos de corte que lmtan cuatro áreas dferentes en el plano h-s, para Fgura 4. Esquema representacón de color HSV. Cencafé, 61(4:315-36. 010 319

Donde: r, g y b son las ntensdades de roo, verde y azul, expresadas en forma decmal de 0 a 1, y h, s y v son valores decmales de tono (hue, saturacón (saturaton y lumnanca (value. Las funcones mín. y máx. representan valores mínmos y máxmos, respectvamente. Paso. Aplcacón del corrmento sobre la varable h, para asegurar que los valores de tonos roos se encontraban en una sola seccón del plano cartesano, sn cortes. El valor defndo para el corrmento fue de 0,9 determnado empírcamente como resultado de la caracterzacón (Ecuacón <<4>>. f { h 0,9} h = h 0,9 { } 1 f h < 0,9 h = h + 0, <<4>> Paso 3. Construccón de una matrz de frecuencas acumuladas de 8 x dvdda en dos partes. La parte superor con cuatro vectores de frecuenca acumulada de la varable h de cada estado de maduracón y los restantes corresponderon a los cuatro vectores de frecuenca acumulada de la varable s, como se observa en la Ecuacón <<5>>. Se cambó la escala de las varables h y s, para expresarlas con valores entre 0 y. f fu f m f o F = f fu f m f o ( h1 f f ( h1 fu fu ( h1 f m f m ( h1 f o f o ( s1 f ( sk f ( sk ( s1 fu ( sk fu ( sk ( s1 f m ( sk f m ( sk ( ( ( s1 f o sk f o sk <<5>> Donde: f se refere a la frecuenca de las ocurrencas de los subíndces, u, m y o, que se relaconan con los estados de maduracón nmaduro (, pntón (u, maduro (m y sobremaduro (o. La Fgura 5 muestra el plano h-s y la ubcacón de los dferentes estados de maduracón, al gual que las gráfcas de frecuenca acumulada de cada una de las varables en su ee correspondente. El algortmo toma ventaa de la ubcacón de cada estado de maduracón por separado. Paso 4. Determnacón del rango de la clase de nterés (estado de maduracón de nterés. Para este desarrollo, una clase de nterés, correspondó a la clase que es nfluencada por clases vecnas. La clase de nterés de h fue pntón y sus vecnos fueron nmaduro y maduro. La clase de nterés en la varable s fue sobremaduro y sus vecnos fueron nmaduro, pntón y maduro. El rango de la clase de nterés se determnó por P mn, el cual correspondó a la poscón donde el vector de frecuenca acumulada tuvo por prmera vez un valor dferente de cero, y P max, que correspondó a la poscón donde el vector de frecuenca acumulada tuvo por prmera vez el valor de uno (Fgura 5. Paso 5. Dvsón del rango de observacón en dos conuntos de puntos. Se crearon dos vectores de puntos, x y y, donde el punto medo estuvo dado por la Ecuacón <<6>>; cuando el vector tene un número mpar de elementos el vector x tene un elemento más que y (Ecuacón <<7>>. Pmax + Pmn Pmd = nt <<6>> x = y = [ Pmn Pmn + 1 Pmd ] [ P + 1 P + P ] md md <<7>> Paso 6. Cálculo de la efcaca como la dferenca entre el valor de la frecuenca max 30 Cencafé, 61(4:315-36. 010

1,0 Frecuenca Acumulada 0,8 0,6 0,4 0, 0,0 11 13 15 17 19 1 3 5 Varable h Clase de nterés Clase vecna derecha Fgura 5. Frecuencas acumuladas de la varable tono (h en el rango de observacón. acumulada de un punto del vector de y con el valor de la frecuenca acumulada de un punto del vector de x, de la clase de nterés. Con la ecuacón de efcaca (Ecuacón <<8>>, se construyó una matrz de efcacas de la clase de nterés E nt, como se muestra en la Ecuacón <<9>>. Esta matrz tene todas las posbles combnacones posbles entre los puntos selecconados de x y y. E nt η nt η nt ηnt = ηnt ( x1, y1 ηnt( x1, y ηnt( x1, y ( x y ( x y ( x y, 1 ηnt, ηnt, ( ( ( x, y η x, y η x, y 1 nt <<8>> <<9>> Paso 7. Cálculo de la efcaca de las clases vecnas usando la Ecuacón <<10>>, sobre el msmo rango de observacón, donde el subíndce n es la clase vecna, que en este caso correspondó a nmaduros ( o maduros (m. η ne x y ( x, y = fu fu x y ( x, y = fn fn n k= x1 k= x1 <<10>> Con la Ecuacón <<10>> se construyó la matrz de efcaca de cada clase vecna, E ne, como se muestra en la Ecuacón <<11>>. k= y1 k= y1 nt E ne η ne ηne = ηne ( x1, y1 η ( ( n ne x1, y η n ne x1, y n ( x y ( x y ( x y, 1 η n ne, η, n ne n ( ( ( x, y η x, y η x, y 1 n ne n n <<11>> Paso 8. Cálculo de la nterseccón entre la clase de nterés y una clase vecna. Se calculó como el rango donde se encuentran lecturas de la clase vecna dentro del rango de observacón. El índce de nterseccón de la clase vecna zquerda se calculó como se muestra en la Ecuacón <<1>> y el índce de nterseccón de la clase vecna derecha se calculó como se presenta en la Ecuacón <<13>>. l <<1>> <<13>> Paso 9. Cálculo de la efcaca global, η G, como el peso de la efcaca de la clase de nterés con cada índce de nterseccón de las clases vecnas (Ecuacón <<14>> <<14>> Con la Ecuacón <<14>> se construyó la matrz de efcaca global, E global, que se presenta en la Ecuacón <<15>>. ne ( x, y =ηne ( x y n O, r ( x, y = 1 ηne ( x y n O, G ( x y ( x, y O ( x, y O ( x, y, nt η =η l r Cencafé, 61(4:315-36. 010 31

E global η G ηg = ηg ηg x, y <<15>> Paso 10. Determnacón del valor más alto de la efcaca global. La poscón (x,y, en la matrz, de este valor ndcó los límtes óptmos del ntervalo que contenía mayor cantdad de nformacón de un estado de madurez y una mínma nfluenca de los estados vecnos (Ecuacón <<16>>. L [ L L ] poscón { max( } L nf, sup = nf sup ( x1, y1 ηg ( x1, y ηg ( x1, y ( x y ( x y ( x y, 1 ηg, ηg, ( ( ( x, y η x, y 1 E global = Límtenferor Columna = Límte superor Fla <<16>> Para la clase de nterés pntón y la varable h, la superfce creada de la matrz de efcaca global se presenta en la Fgura 6, donde el valor mayor se encuentra en la poscón (18,38, e ndca los límtes nferor en 18 y superor en 38. Fnalmente, el clasfcador desarrollado obtene los puntos de corte para la varable h y para la varable s. Para la varable h se defnó el crtero para clasfcar tres estados de maduracón, maduro, pntón, e nmaduro, así: Maduro 0 h 0,18 Pntón: 0,18 < h 0, 38 for. s 0,36 Inmaduro: 0,38 < h < 0, 73 Para la varable s se defnó el crtero para clasfcar el estado sobremaduro, así: Sobremaduro: 0> 0,36 ndependente de la varable h. G El algortmo de aprendzae encontró el ntervalo óptmo y separó los estados de maduracón por medo de un clasfcador lneal smple. Crtero de decsón. Con el sstema de dentfcacón desarrollado, sobre un fruto de café se tomaron entre 7 y 11 mágenes; cabe anotar que fue común encontrar algunas mágenes de un msmo fruto, pertenecentes a estados de maduracón dferentes. Con el fn de determnar el estado de maduracón global del fruto, se usó la moda estadístca sobre la maduracón asgnada a las lecturas sobre un msmo fruto. De esta forma el estado de maduracón global del fruto correspondó al estado de maduracón que más se reptó sobre un msmo fruto. Clasfcacón en tempo real e mplementacón de un sstema embebdo. El algortmo desarrollado fue mplementado en un sstema embebdo, basado en un mcrocontrolador dspic30f401, el cual realzó todas las operacones con una base de tempo de 0 ns, con capacdad de analzar 50 frutos/s. El sstema embebdo tuvo dos funcones, la funcón de calbracón, en la cual el dspostvo aprendó los crteros de dentfcacón, y la funcón de clasfcacón en la cual el dspostvo dentfcó el estado de maduracón de cada fruto que pasó enfrente del sstema de dentfcacón. Evaluacón del clasfcador. El clasfcador se evaluó con los datos empleados en el entrenamento y con datos obtendos sobre frutos de café lumnados con una fuente de luz de menor potenca. Las mágenes usadas correspondían a frutos de café con dferentes humedades y un rango de dstanca que varó entre 0 mm y 35 mm del fruto a la lente. Evaluacón del clasfcador mplementado en el sstema embebdo. Para verfcar el desempeño del sstema de dentfcacón se consderaron dversas velocdades de exposcón de 1, 10, 30 y 50 frutos por segundo, y dversos tamaños de los frutos a analzar. Expertos selecconaron 0 muestras de 0 frutos de café cada una, y las proporcones 3 Cencafé, 61(4:315-36. 010

[Lím. Superor, Lm. Inferor] 1 Efcaca Global 0,8 0,6 0,4 0, 0 50 40 30 0 Puntos Altos 10 0 0 5 10 15 0 Puntos Baos 5 30 Fgura 6. Superfce que muestra el punto óptmo de corte de la efcaca global. de estados de madurez en cada muestra vararon, de acuerdo como se presenta en la Tabla 1, usando el sstema embebdo desarrollado. En cada prueba se regstró la proporcón de estados de madurez de la muestra, la velocdad de exposcón, el número de lecturas realzadas en cada estado de madurez a cada fruto de café y el estado de maduracón global determnado por el sstema; además, cada fruto fue etquetado para verfcar y valdar la nformacón regstrada. Cada prueba se reptó tres veces. RESULTADOS Y DISCUSIÓN Se encontraron dferencas notables entre los estados de maduracón en el plano hs. Dchas dferencas fueron ndependentes a los cambos suaves en la potenca de la fuente lumnosa, a la dstanca al obetvo (rango entre 0 mm y 35 mm, a la humedad del medo ambente y a la presenca de una película de agua sobre la superfce del fruto. El número de mágenes por segundo de cada fruto varó dependendo de la velocdad de exposcón del fruto enfrente del sensor de color. En la Fgura 7 se muestra el plano h-s y los puntos que representan los dferentes estados de maduracón extraídos con el sstema optoelectrónco descrto, cada punto en el plano corresponde a una lectura de color sobre un fruto de café; dependendo de la velocdad de exposcón y del tamaño del fruto, puede varar el número de lecturas. En la Fgura 7 se dentfcan seccones para cada estado de maduracón, maduro, pntón e nmaduro sobre la varable h, y los frutos sobremaduros son dferencables en la varable s. Evaluacón del clasfcador. La Tabla muestra resultados por encma del 87,55%, con los mayores valores para los frutos sobremaduros, segudo por los frutos maduros, nmaduros y pntones. Este análss fue realzado usando Tablas de contngenca o matrz de confusón (3, con la cual se regstra el óptmo desempeño del sstema de dentfcacón para todos los estados de maduracón, ndependente de las varacones de brllo, dstanca y potenca lumnosa. La Tabla muestra que la efcaca de dentfcacón de dos conuntos de datos, defnda por Kohav et al. (3; el conunto A corresponde a los datos de entrenamento con una fuente de alta lumnosdad y el conunto B corresponde a los datos tomados con una fuente de potenca lumnosa meda. La efcaca de dentfcacón varó entre 87,6% y 98,17%, lo que hace el clasfcador confable para el propósto que fue desarrollado. Cencafé, 61(4:315-36. 010 33

Tabla 1. Descrpcón porcentual de las muestras de café evaluadas. Muestra Inmaduro(% Pntón(% Maduro(% Sobremaduro(% 1 0 10 55 15 15 35 45 5 3 15 0 55 10 4 10 15 65 10 5 5 10 75 10 6 10 55 5 30 7 30 45 0 5 8 0 55 5 0 9 15 65 5 15 10 15 75 0 10 11 55 0 10 15 1 45 15 35 5 13 55 15 0 10 14 65 10 15 10 15 75 5 10 10 16 5 5 10 80 17 5 5 35 55 18 5 10 0 65 19 5 10 15 70 0 5 5 10 80 Fgura 7. Comportamento de las componentes h y s para determnar el estado de madurez de frutos de café. Evaluacón del clasfcador mplementado en el sstema embebdo. A través de las Tablas de contngenca se encontró que el desempeño del sstema de dentfcacón es alto para todos los estados de madurez, superor al mostrado en la evaluacón ncal del clasfcador (Tabla. La Tabla 3 muestra que el sstema tene una efcaca que varía 34 Cencafé, 61(4:315-36. 010

entre 94,81% y 99,6%, como resultados globales. Además, se verfcó que el sstema trabaa correctamente en tempo real, pues la efcaca de dentfcacón es alta?, ndependente de la velocdad de exposcón de los frutos y las condcones reales de los frutos analzados. Los porcentaes de error presentados en la Tabla 3, fueron generados por el tpo de clasfcador mplementado, sn embargo éste presenta ventaas de consumo mínmo de recursos computaconales, lo cual hace que el sstema funcone en tempo real a altas velocdades de exposcón de los frutos. Se puede conclur que: La relacón hs, de las componentes hue y saturaton del espaco de color HSV, entrega una clara dferencacón entre estados de maduracón, con una alta toleranca a los cambos de lumnacón y a las condcones de brllo de los frutos de café, en comparacón con otros resultados obtendos en el espaco de color RGB (14, 15. Adconalmente, este tpo de relacón permtó dseñar e mplementar un clasfcador sencllo con baos requermentos computaconales logrando clasfcacones en tempo real con altos porcentaes de efcaca de dentfcacón. El sstema de dentfcacón logró efcacas mayores al 95%, para todos los estados de maduracón, ndependente de la velocdad de exposcón de los frutos frente al sensor de color, además de otras condcones reales con las que ngresan los frutos de café al benefcadero. El algortmo de aprendzae potenca el uso de sstemas mcroprocesados de bao costo y de fácl adquscón en el mercado naconal, pues los requermentos computaconales son mínmos, lo que garantza que el sstema funcone adecuadamente en tempo real. Debdo al bao costo del dspostvo electrónco y la smplcdad de los componentes utlzados, y el bao requermento computaconal de los algortmos mplementados, este sstema es una opcón para realzar control de caldad en línea para los cafcultores colombanos y de otros países, además para productores de productos smlares al café. Tabla. Efcaca de dentfcacón del clasfcador con la nformacón obtenda en la caracterzacón. Estadístcas obtendas del total de mágenes clasfcadas correctamente en funcón al número total de mágenes. Estado de maduracón Conunto A Conunto B Sobremaduro 98,17% 95,77% Maduro 97,1% 9,80% Pntón 91,95% 88,85% Inmaduro 90,84% 87,55% Tabla 3. Efcaca de dentfcacón del clasfcador mplementado en el sstema embebdo. Estadístcas obtendas del total de mágenes clasfcadas correctamente en funcón al número total de mágenes Experto Clasfcador Sobremaduro Maduro Pntón Inmaduro Sobremaduro 99,6% 0,31% 0,08% 0,00% Maduro 1,69% 97,80% 0,51% 0,00% Pntón 0,00% 3,74% 94,81% 1,45% Inmaduro 0,00%,%,57% 95,1% Cencafé, 61(4:315-36. 010 35

Como el dspostvo electrónco no es usado al % de sus potencaldades, exste la posbldad de nclur una nueva característca para crear cafés especales con dferentes proporcones de frutos en dferentes estados de maduracón. El algortmo de aprendzae puede defnr puntos de corte para subestados de maduracón que se encuentren dentro del estado de madurez maduro, con los cuales fuese posble crear productos de alta caldad y de forma consstente. AGRADECIMIENTOS Los autores expresan sus agradecmentos al Departamento Naconal de Cenca, Tecnología e Innovacón Colcencas, por el apoyo económco en el desarrollo de esta expermento, a la Federacón Naconal de Cafeteros de Colomba y a los compañeros de la Dscplna de Ingenería Agrícola de Cencafé. LITERATURA CITADA 1. CARVAJAL, J.J.; ARISTIZÁBAL, I.D.; OLIVEROS, C.E.; MEJÍA, J.W. Colormetría del fruto de café (Coffea arabca L. durante su desarrollo y maduracón. Rev. Fac. Nal. Agr. Medellín. 64(: 69-640. 011.. GONZÁLEZ, R.C.; WOODS, R.E. Dgtal mage processng. 3 ed. New Jersey (Estados Undos, Pearson : Prentce Hall, 008. 954 p. 3. KOHAVI, R.; PROVOST, F. Glossary of terms. Specal ssue on applcatons of machne learnng and the Knowledge Dscovery process. Machne Learng, 30 (. 71 74. 4. MARÍN L., S.M.; ARCILA P., J.; MONTOYA R., E.C.; OLIVEROS T., C.E. Escala de maduracón para los frutos del cafeto Coffea arabca L. Avances Técncos Cencafé No. 315:1-8. 003. 5. MOSQUERA, J.C., C.A. ISAZA Y A. SEPÚLVEDA. 007. Procesamento de mágenes óptcas de frutos café en cereza por medo de fltros acusto-óptcos. Ingenería y Desarrollo, Unversdad del Norte 1: 93-10. 6. OLIVEROS T., C.E.; SANZ U., J.R.; RAMÍREZ G., C.A.; MEJÍA G., C.A. Separador hdráulco de tolva y tornllo snfín. Avances Técncos Cencafé No. 360:1-8. 007. 7. PUERTA Q., G.I. Influenca de los granos de café cosechados verdes, en la caldad físca y organoléptca de la bebda. Revsta Cencafé 51(:136-150. 000. 8. RAMOS, P.J.; VALDÉS, C.; GÓMEZ, E.; SANZ, J. R.; SOLARTE, E. Característcas Espectrales de la Luz Refleada por Frutos de Café (Coffea arabca. Revsta Colombana de Físca, Vol. 38, No., 006. pp. 8-85. 9. ROA M., G.; OLIVEROS T., C.E.; ÁLVAREZ G., J.; RAMÍREZ G., C.A.; SANZ U., J.R.; DÁVILA A., M.T.; ÁLVAREZ H., J.R.; ZAMBRANO F., D.A.; PUERTA Q., G.I.; RODRÍGUEZ V., N. Benefco ecológco del café. Chnchná, Cencafé, 1999. 73 p. 10. SALAZAR G., M.R.; CHAVES C., B.; RIAÑO H., N.M.; ARCILA P., J.; JARAMILLO R., A. Crecmento del fruto de café Coffea arabca var. Colomba. Revsta Cencafé 45(:41-50. 1994. 11. SANDOVAL, Z.; PRIETO, Y F. 007. Caracterzacón de café cereza empleando técncas de vsón artfcal. Revsta Facultad Naconal Agronomía Medellín 60(: 4105-417. 1. SANDOVAL, Z.; PRIETO, F. Procesamento de mágenes para la clasfcacón de café cereza. Prospectva Vol. 7, No. 1, Enero - Juno de 009. Pp: 67-73. 13. SANDOVAL, Z.; PRIETO, F.; BETANCUR, J.; Dgtal Image Processng for Classfcaton of Coffee Cherres. In: Electroncs, Robotcs and Automotve Mechancs Conference (CERMA, 010. Pp: 417 41. 14. SANZ, J.R.; RAMOS, P. J.; C.E. OLIVEROS. Algorthm to Identfy Maturaton Stages of Coffee Fruts. Advances n electrcal and Electroncs Engneerng IAENG Specal Edton of Word Congress on Engneerng and Computer Scence 008. IEEE Publsher. 15. SANZ, J.R.; RAMOS, P. J.; C.E. OLIVEROS. Optoelectronc Analyzer of Coffee Fruts. Word Congress on Engneerng and Computer Scence 009. San Francsco, Calforna, USA, Octubre 10-14 de 008. 36 Cencafé, 61(4:315-36. 010