1

SISTEMA SEMIAUTOMATIZADO DE CLASIFICACIÓN DE LA CEBOLLA

CABEZONA

FREDY ALEXANDER PALACIOS CAICEDO

JOHN JAIRO LIZARAZO CRUZ

UNIVERSIDAD CATÓLICA DE COLOMBIA

FACULTAD DE INGENIERÍA

INGENIERÍA ELECTRÓNICA Y TELECOMUNICACIONES

BOGOTA

2017

2

SISTEMA SEMIAUTOMATIZADO DE CLASIFICACIÓN DE LA CEBOLLA

CABEZONA

FREDY ALEXANDER PALACIOS CAICEDO

JOHN JAIRO LIZARAZO CRUZ

TRABAJO DE GRADO PARA OPTAR AL TÍTULO DE INGENIERO

ELECTRÓNICO Y TELECOMUNICACIONES

DIRECTOR

MSC. DARIO FERNANDO CORTES TOBAR

INGENIERO ELECTRÓNICO

UNIVERSIDAD CATÓLICA DE COLOMBIA

FACULTAD DE INGENIERÍA

INGENIERÍA ELECTRÓNICA Y TELECOMUNICACIONES

BOGOTA

2017

3

4

Nota de aceptación

__________________________________________

__________________________________________

__________________________________________

__________________________________________

__________________________________________

__________________________________________

__________________________________________

__________________________________________

__________________________________________

__________________________________________

__________________________________________

Firma del presidente del jurado

__________________________________________

Firma del jurado

__________________________________________

Firma del jurado

5

AGRADECIMIENTOS

A Dios por guiarnos y darnos la salud para poder seguir y llegar al final de la carrera, a

nuestros profesores por sus enseñanzas, al Ingeniero Darío Cortes por su ayuda y apoyo

al proyecto.

A nuestros familiares que nos apoyaron de principio a fin para poder culminar con éxito este

camino y a toda persona que han creído que esto fuera posible y que ha hecho posible la

formación integral para ser profesionales.

6

CONTENIDO

1. INTRODUCCIÓN ................................................................................................................... 11

2. RESUMEN ............................................................................................................................... 12

3. FORMULACIÓN DEL PROBLEMA .................................................................................... 14

4. JUSTIFICACIÓN .................................................................................................................... 15

5. ANTECEDENTES .................................................................................................................. 16

6. MARCO TEÓRICO ................................................................................................................ 27

6.1. Visión artificial ....................................................................................................... 27

6.1.1. Cámaras. ...................................................................................................................... 29

6.1.2 Iluminación .................................................................................................................... 31

6.2. SENSÓRICA ......................................................................................................... 33

6.2.1. Sensor infrarrojo .......................................................................................................... 33

6.2.2. Funcionamiento ........................................................................................................... 34

6.3. BANDAS TRANSPORTADORAS .......................................................................... 35

6.4. SERVOMOTOR .................................................................................................... 36

6.4.1. Principios de funcionamiento .................................................................................... 37

7. MARCO DE REFERENCIA .................................................................................................. 38

8. OBJETIVOS ............................................................................................................................ 40

8.1 . General ........................................................................................................... 40

8.2 . Específicos..................................................................................................... 40

9 METODOLOGÍA .................................................................................................................... 41

9.1 . Prefactivilidad ................................................................................................ 41

9.2 . Diseño del sistema ........................................................................................ 41

9.3 . Implementación ............................................................................................. 42

9.4 . Prueba del sistema y toma de datos ............................................................ 42

10 DESARROLLO Y RESULTADOS ................................................................................. 44

10.1. Implementación ............................................................................................... 44

10.1.1. Implementación mecánica ....................................................................................... 44

10.1.2. Implementación electrónica ..................................................................................... 47

7

11 CONCLUSIONES .............................................................................................................. 57

12 RECOMENDACIONES Y TRABAJO A FUTURO ....................................................... 58

13. BIBILIOGRAFIA ................................................................................................................. 59

14. ANEXOS .............................................................................................................................. 61

8

LISTA DE TABLAS

Tabla 1. Función de la tecnología física y la disposición física ......................................... 30

Tabla 2. Escala de calibres (mm) ..................................................................................... 38

Tabla 3. Clasificación, características y tolerancia de la cebolla cabezona ...................... 39

Tabla 4. Tiempos totales de proceso de la estructura. ..................................................... 54

Tabla 5. Tiempo detección ............................................................................................... 55

9

LISTA DE FIGURAS

Figura 1. Fruta. ................................................................................................................ 16

Figura 2. Montaje y condiciones de trabajo. ..................................................................... 17

Figura 3. Montaje experimental clasificador de frutos de café. ......................................... 18

Figura 4. Prototipo de cosechadora de uvas. ................................................................... 19

Figura 5. Prototipo para la clasificación del mango. ......................................................... 20

Figura 6. Máquina prototipo selección de fruta. ............................................................... 21

Figura 7. Prototipo recolector de cítricos .......................................................................... 22

Figura 8. Prototipo recolector de naranja. ........................................................................ 24

Figura 9. Esquema de funcionamiento del selector de tomate. ........................................ 25

Figura 10. Imágenes típicas de frutas tomadas en una cinta transportadora. .................. 26

Figura 11. Diagrama de bloques del proceso de la visión artificial. .................................. 28

Figura 12. Secuencia de operación de la visión artificial .................................................. 29

Figura 13. Cámara matricial. ............................................................................................ 30

Figura 14. Iluminación fluorescente. ................................................................................ 32

Figura 15. Iluminación por led. ......................................................................................... 32

Figura 16. Espectros electromagnéticos. ......................................................................... 34

Figura 17. Barrera infrarroja. ............................................................................................ 35

Figura 18. Inicio de la estructura vista desde la parte superior. ........................................ 44

Figura 19. a) Salida cebolla grande, b) Salida cebolla mediana y c) Salida cebolla

pequeña .......................................................................................................................... 45

Figura 20. Cámara para reconocimiento de los elementos. ............................................. 46

Figura 21. Estructura banda transportadora vista desde la parte superior. ...................... 46

Figura 22.Sensor infrarrojo (ref. SHARP 2Y0A21YK0F). ................................................. 47

Figura 23. Imagen de la cámara. ..................................................................................... 48

Figura 24. Motor en DC. .................................................................................................. 49

Figura 25. Servomotores y camino salida cebolla grande. ............................................... 50

Figura 26. Interfaz LabView® para clasificación de la cebolla. ........................................ 51

Figura 27. Sensado cebolla grande. ................................................................................ 52

Figura 28. Sensado cebolla mediana. .............................................................................. 53

Figura 29. Sensado cebolla pequeña. .............................................................................. 53

Figura 30. Tiempos proceso de la estructura. .................................................................. 55

Figura 31. Grafica tiempo detección. ............................................................................... 56

Figura 32. Esquema del prototipo desde la parte lateral. ................................................. 61

Figura 33. Esquema del prototipo desde la parte superior ............................................... 61

10

GLOSARIO

AGRICULTURA: La agricultura se define como “el arte de cultivar la tierra”

proviene del latín ager, agri (campo) y cultura (cultivo). Es una actividad que se ocupa de la producción de cultivo del suelo, el desarrollo y recogida de las cosechas, la explotación de bosques y selvas (silvicultura), la cría y desarrollo de ganado. CLASIFICACIÓN: Es el ordenamiento o la disposiciones por clases Básicamente, la clasificación implicará la búsqueda en un todo de todas aquellas cosas que guarden o compartan algún tipo de relación para así agruparlas. HARDWARE: El hardware es la parte que cuenta el computador, es decir todos los componentes de su estructura física.

INTERFAZ: se denomina interfaz al conjunto de elementos de la pantalla que permiten al usuario realizar acciones sobre el Sitio Web que está visitando. Por lo mismo, se considera parte de la interfaz a sus elementos de identificación, de navegación, de contenidos y de acción.

SENSOR: Un sensor o captador, como prefiera llamársele, no es más que un dispositivo diseñado para recibir información de una magnitud del exterior y transformarla en otra magnitud, normalmente eléctrica, que seamos capaces de cuantificar y manipular. SOFTWARE: Software es un término informático que hace referencia a un programa o conjunto de programas de cómputo que incluye datos, procedimientos y pautas que permiten realizar distintas tareas en un sistema informático.

11

1. INTRODUCCIÓN

Es innegable, a pesar de los avances tecnológicos modernos y el nivel tecnológico desarrollado en el país, que en la agricultura colombiana existen procesos que se realizan de forma manual, lo que implica la reducción de la competitividad con países con implementaciones tecnológicas robustas y el no aprovechamiento de los recursos de una manera óptima dando como resultado baja productividad y desperdicio de recursos importantes como tiempo y materia prima (frutos). Esta situación ha despertado el interés tanto de la academia como de la industria para generar procesos completos de integración científica-tecnológica y poder hacer una implementación que optimice estos procesos primarios generando más productividad y mayor eficiencia con respecto a los métodos de cultivo convencionales. No obstante, los procesos tecnológicos en el agro colombiano no son totalmente nulos. Existen implementaciones con maquinaria robusta que han aportado significativamente al desarrollo de la agricultura nacional, en la actualidad hay desarrollos e innovaciones que prometen la integración de diferentes ramas tecnológicas con diversos métodos investigativos y utilizando técnicas tales como la visión artificial, robótica y mecanismos autónomos, desarrollos biológicos y bacteriológicos para el control de plagas entre otros, por lo que existe una base que si bien no está totalmente estructurada, tiene características con potencial de desarrollo realmente importante. Este trabajo, considerando los aspectos mencionados, por medio de un método de reconocimiento de imágenes, apropiado a los recursos disponibles y a los elementos a trabajar, ha conseguido hacer una discriminación oportuna del tamaño de la cebolla blanca para conseguir seleccionar eficientemente y de forma precisa este fruto y por medio de un mecanismo de interacción mecánico basado en un control eléctrico que funcionan como un sistema de integración de tecnologías implementado para la optimización en el proceso de selección y como aporte al desarrollo de las tecnologías en el área agrícola.

12

2. RESUMEN

La presente investigación tiene como argumento principal la integración de dos aspectos que representan, simultáneamente, para el desarrollo de una sociedad tanto a nivel tecnológico como económico: el agro y la tecnología. Por un lado aparece la parte agrícola que en Colombia representa un motor económico importante lo que implica un grado de investigación en esta área con miras a productividad y desarrollo. Por otro lado, la parte tecnológica evidencia los resultados de un proceso de aprendizaje y su implementación a un proceso real con resultados eficientes que aportan a un desarrollo de las llamadas tecnologías agrícolas. El sistema de selección de cebolla cabezona es en esencia un conjunto de elementos tecnológicos dentro de los cuales se destacan el reconocimiento por visión y el control de un mecanismo en base a estas lecturas visuales, todo esto integrado como un solo dispositivo que determina el tamaño del fruto y lo clasifica según los parámetros establecidos dentro del algoritmo. De esta manera, se implementó una H.M.I (Acrónimo en Inglés, Human Machine Interface) desarrollada en LabView 2013® debido a la gran cantidad de herramientas que facilitan tanto la implementación del reconocimiento visual como su comunicación con un dispositivo de integración principal el cual se encarga del control de los actuadores y de la adquisición de información por parte de la sensórica del sistema (Arduino Due ®). Una vez hecha la integración es evidente el rendimiento del sistema y la eficiencia del mismo debido a que el reconocimiento de imagen cuenta con un margen de error mínimo, menor al 3%, con gran asertividad al realizar la selección. Los tiempos de respuesta responden a la necesidad y a los recursos empleados así como la mejora en un proceso totalmente manual el cual tiene un impacto directo sobre las condiciones del trabajador y su salud. La integración de las tecnologías, HMI, sensórica y control de actuadores, tuvo una convergencia adecuada con resultados positivos debido a la certeza en la selección del producto. Terminada la implementación se ejemplifica un sistema robusto que cumple con la

13

tarea de satisfacer unas necesidades primarias con miras hacia un proceso elaborado que se ha venido desarrollando en el agro colombiano desde años atrás, dejando grandes posibilidades a nuevas implementaciones de carácter productivo con un importante impacto económico.

PALABRAS CLAVES: Agricultura, Clasificación, Visión por computador, Cebolla.

14

3. FORMULACIÓN DEL PROBLEMA El mundo moderno gira en torno a la competitividad, la eficiencia y el uso adecuado de los recursos disponibles. Por estas razones se ha presentado en los últimos años un avance enormemente significativo en lo que a métodos de producción se refiere teniendo en cuenta procesos completos desde la extracción de la materia prima hasta su transformación en productos sofisticados y complejos. Evidentemente la agricultura y aquellos procesos desarrollados en el campo rural, en principio, hacen parte de este conjunto de desarrollos que buscan optimizar los métodos convencionales de trabajo. La recolección de frutos y selección de éstos en base a ciertos criterios (tamaño, madurez, calidad, entre otros) forma parte de la estructura primaria de los procesos agrícolas que, dependiendo su efectividad, ayuda al desarrollo y crecimiento del agro, logrando mayor efectividad y productividad y generando condiciones de trabajo mucho más apropiadas para los campesinos y/o personas encargadas. Se presenta un aspecto claro a mejorar dentro del entorno agrícola el cual genera impacto en los procesos subsecuentes, teniendo como resultado una disminución en la eficiencia del proceso completo, por lo tanto resulta necesario crear un mecanismo que genere resultados acordes a las necesidades actuales, mejorando tiempos y aportando al proceso desde la recolección y selección, de esta manera. Se hace énfasis especialmente en la selección debido a las técnicas desarrolladas que permiten emplear mecanismos de alta precisión para un desarrollo eficiente y eficaz, ofreciendo una solución que ataque la necesidad integrando tecnologías acordes al dominio de la profesión dentro de la denominada tecnología convergente.

15

4. JUSTIFICACIÓN

Considerando la tipología de los métodos modernos de investigación y su implementación en diferentes áreas se ha desarrollado el presente proyecto con el propósito principal de formular e implementar un método que mejore la eficiencia en los procesos de reconocimiento y selección de la cebolla por tamaño utilizando principios de sistemas semi-automatizados junto con técnicas de reconocimiento visual lo cual se integra en una solución eficaz de las necesidades primarias de realizar dicha tarea de una manera no manual. El cultivo de cebolla cabezona blanca es importante en Colombia no solo por ser un interesante generador de ingresos sino también por la gran cantidad de mano de obra que exige en las diferentes labores que en él se realizan. En Colombia la producción de cebollas blancas es realizada principalmente en áreas que oscilan entre 0.25 y 1.0 hectárea, siendo uno de los referentes en el agro a nivel nacional pero con deficiencias en algunas zonas del país.1 A demás, en la actualidad, el proceso de selección se realiza por métodos manuales, los cuales consisten en inspeccionar las características de forma visual estimando el tamaño para determinar si cumple con los parámetros de calidad determinados por los consumidores, lo que conlleva a que se presenten errores humanos en la clasificación y selección de la cebolla cabezona lo que se refleja en la productividad y calidad final de la entrega del producto. Esta situación invita a enfocar la atención en la creación de métodos que mejoren los procesos convencionales de recolección y selección de cebollas y que ofrezcan resultados apropiados frente a una demanda creciente a nivel nacional. Por lo tanto, la presente investigación se enfoca no sólo en el desarrollo científico y la integración de tecnologías sino también en un área que impacta directamente el desarrollo económico del país, en miras de un crecimiento científico-económico, dando prioridad al campo de la electrónica y la automatización concernientes al desarrollo del programa.

1Cultivo de la cebolla cabezona; Citado en: 01/06/2017; Disponible en

datateca.unad.edu.co/contenidos/102701/Modulo_Tecnologia_agricola_2013/ModTecAgr/leccin_2_cultivo_de

_la_cebolla_cabezona.html

16

5. ANTECEDENTES

Hoy en día es importante conocer diversos sistemas que permiten seleccionar diferentes tipos de alimentos por su tamaño y así poder determinar su valor comercial. Por tal motivo se ha empezado a buscar todo tipo de información para poder complementar argumentativamente y experimentalmente las características que van a llevar a cabo el éxito del proyecto, usando un sistema de sensores que permiten la selección de muchos objetos por tamaño. Seguidamente se hablará del sistema de recolección de fruta en mal estado separándola de la fruta óptima para el consumo humano, como se ilustra en la figura 1, este proceso se hace manualmente en algunos cultivos pero aplicando ingeniería se nota decremento en los costos de empleados ya que se sustituye la mano de obra por equipos que hacen el trabajo automatizado2.

Figura 1. Fruta.

Fuente: Selector de fruta y simulación de una aplicación real; RIBOT FERNANDEZ. Miriam.

La robótica ha jugado un papel importante en desarrollos donde se trabaja con dispositivos recolectores. Un ejemplo claro de esto es el trabajo del Ingeniero Antón Ramón Jiménez en donde se utilizan robots en el trabajo de recolección de fruta delicada que por medio de telemetría laser, como se ilustra en la figura 2, la cual ubica y selecciona el fruto de un árbol y con la ayuda de un brazo mecánico y un 2 Miriam Fernandez Ribot; Selector de fruta y simulación de una aplicación real, 8 de Junio de 2006.

17

dispositivo de prensión, el cual puede llegar a puntos altos en el árbol, se apropia del mismo con lo cual se puede prevenir accidentes de trabajadores recolectando los frutos y puede llevar a cabo la recolección de éstos con mayor seguridad, eficiencia y precisión3.

Figura 2. Montaje y condiciones de trabajo.

Fuente: Sistema de reconocimiento e identificación de objetos cuasi-esféricos por telemetría laser, Aplicación en frutos; JIMÉNEZ RUIZ. Antonio Ramón.

Otro proceso destacado dentro de la implementación de mecanismos autónomos en el área agrícola es el diseño y desarrollo de un método que permite comparar granos de café en sus diferentes etapas de maduración y así poder obtener con precisión los frutos adecuados para continuar con el proceso de secado y molienda y así obtener el mejor aroma el mejor sabor del café en su punto más preciso de maduración. Esto se presenta en el trabajo de los investigadores Paula Jimena Ramos Giraldo, Juan Rodrigo Sanz Uribe, Carlos Eugenio Oliveros Tarcón, donde se obtuvieron resultados con además cuenta con un eficacia de identificación entre el 94.8% y el 99.6%. 4 Esto se logra gracias a la implementación de algoritmos que permiten hacer comparación de imágenes, como se muestra en la figura 3, de acuerdo con patrones estándar que hacen, además, que el algoritmo se retroalimente y auto calibre.

3Antonio Ramón Jiménez Ruiz, Sistema de reconocimiento e identificación de objetos cuasi-esféricos por telemetría laser, Aplicación en frutos; Madrid 2003.

4 Paula Jimena Ramos Giraldo, Juan Rodrigo Sanz Uribe, Carlos Eugenio Oliveros Tarcón; Identificación y clasificación de frutos de café en tiempo real, a través de la medición de color, Manizales 2010.

18

Figura 3. Montaje experimental clasificador de frutos de café.

Fuente: Identificación y clasificación de frutos de café en tiempo real; Ramos Giraldo. Paula Jimena, Sanz Uribe. Juan Rodrigo, OLIVEROS TARCÓN. Carlos Eugenio.

Otro ejemplo claro que ha aportado al desarrollo de la ingeniería en el agro es el desarrollo de técnicas para la recolección de uvas ya que al ser este un fruto delicado, y debido a que de acuerdo a su calidad se hacen vinos de menor o mayor pureza fue necesario implementar un sistema mecánico que reemplazara el modo habitual de selección del fruto y que lo hiciera con una calidad que deja bien soportado el paso de la automatización en el agro dejando atrás sistemas manuales que serían costos adicionales y representan tiempos exagerados5. A continuación se muestra el prototipo en la figura 4.

5 Luis del Pino Nieto, Domecq; Recolección mecanizada de uvas, 2011.

19

Figura 4. Prototipo de cosechadora de uvas.

Fuente: Recolección mecanizada de uvas; DEL PINO NIETO, LUIS.

Un referente adicional se presencia en la industria de la exportación de frutas tropicales de Colombia, en particular la del mango de azúcar, que se caracteriza por el tratamiento manual en cada una de las etapas previas a su comercialización, particularmente, la aplicación de los procedimientos de clasificación acordes con los criterios estandarizados nacionales de calidad (NTC-5139). En este artículo de investigación se presenta el diseño de un prototipo mecánico para automatizar el proceso de clasificación del mango de azúcar (Mangifera Indica L) tipo exportación. Como se muestra en la figura 5, este prototipo está constituido por un sistema de bandas que permite transportar y rotar el fruto para que un sistema de adquisición capture diferente caras de este. Las imágenes obtenidas se analizaron mediante técnicas computacionales que permiten obtener una aproximación tridimensional, lo que posibilita la estimación del volumen de cada fruto. Los resultados de la operación del mecanismo, y la aplicación de los métodos mostraron una precisión superior al 90%6.

6 Adolfo Moreno Bermúdez, Deimer Ballesteros Padilla, Germán Sánchez Torres; Un prototipo mecánico para la automatización del proceso de selección del mango tipo exportación, Medellín, 5 de noviembre de 2012

20

Figura 5. Prototipo para la clasificación del mango.

Fuente: Un prototipo mecánico para la automatización del proceso de selección del mango tipo exportación; MORENO BERMIDEZ. Adolfo, BALLESTEROS PADILLA. Deimer, SÁNCHEZ TORRES. German.

En los packing se realiza el trabajo de recepción, selección, encajado, almacenamiento y despacho. Estas empresas suelen realizar también la importante actividad de comercialización, para colocar esta producción en los mercados externos. Estas plantas son fácilmente identificables en Chile, porque suelen contar con galpones de forma rectangular de gran tamaño. Estos tienen, en la mayoría de los casos, varias decenas de miles de metros cuadrados de superficie, una altura de 12 a 18 metros y están recubiertos por pinturas coloridas, como se muestra en la figura 6. En la mayoría de los packing nacionales, el trabajo de selección es realizado de un modo manual, por mujeres. Estas se instalan junto a una mesa ubicada longitudinalmente a la materia prima, y retiran los elementos uno a uno, lo examinan visualmente y luego lo pasan a una correa que moviliza al rechazo o lo aceptan envolviéndolo en un papel para luego ponerlo nuevamente sobre la mesa. Al final de la mesa, se recibe el material útil, el que es introducido a cajas, también mediante un trabajo manual, lo que obligó al desarrollo de variaciones a este

21

procedimiento, que en lo esencial son tecnológicamente eficientes.7 Figura 6. Máquina prototipo selección de fruta.

Fuente: Automatización de la selección de la fruta en los packing. VILABOA B. José.

En el Sistema Para clasificación de jitomates basado en metrología laser y algoritmos computacionales desarrollado por el Ingeniero Otoniel Rosario y su equipo de investigación se creó un consorcio franco-español para trabajar en el proyecto “Citrus Robot”. Paralelamente a este proyecto, aunque sin llegar al grado de desarrollo que alcanzó el robot europeo, en los años 1984-1990 se produjeron en EE.UU., Israel y Japón diversos intentos para fabricar un robot recolector de cítricos. Se crearon fases de desarrollos y demostraciones de prototipos llegando a no continuar con el proyecto debidos a las expectativas de venta no eran las esperadas, en el año 2000 se tienen problemas de abastecimiento de la mano de obra en la Comunidad Valenciana. A lo largo del proyecto se realizan principales objetivos en el Instituto Valenciano de Investigaciones Agrarias (IVIA), objetivos agronómicos, objetivos tecnológicos y se destacan cosas como sistemas de análisis de imágenes para detección y

7 José Vilaboa B; Automatización de la selección de la fruta en los packing, Chile, Revista facultad de ingeniería, U.T.A. 1999

22

localización de la fruta, construcción de pinza prensor para desprender la fruta del árbol, diseño y ensayo de dispositivos para despejar el campo de visión de robot y diseño de sistema de sensores electrónicos (Visión artificial y otros) para determinar la calidad de la fruta recolectada como se ilustra en la figura 7. El estudio y la investigación del proyecto ha permitido bases para otras aplicaciones enfocadas en la parte de las frutas, algunas aplicaciones se encuentran en el mercado y otras en grado de desarrollo.8 Figura 7. Prototipo recolector de cítricos

Fuente: La robotización de la recolección de cítricos; MOLTO GARCIA.Enrique

También es necesario considerar las pérdidas que se generan por el desprendimiento de frutos de forma anticipada, lo que genera elementos “abandonados”. Esta situación produjo la necesidad de crear un sistema de recolección de dichos frutos, específicamente de naranjas que están en el suelo ya sea por errores de operarios debido a caídas de las naranjas sin que se dé cuenta o por razones de la naturaleza y fertilidad del árbol que caigan al suelo de manera involuntaria, a lo cual se desarrolla una plataforma móvil que haga de manera autónoma detección,

8Enrique Molto Garcia; La robotización de la recolección de cítricos, 2001.

23

recolección y transporte del fruto dando beneficios a los campesinos. Se realizó una segmentación aplicando un umbral y se obtiene una imagen binaria de niveles lógicos donde los colores gris de la imagen se representan con un “1” lógico y de “0” lógico si está por debajo del umbral no teniendo interés y se ignora, la segunda etapa un suavizado de imagen binaria aplicando operadores morfológico y la tercera por cada segmento se calcula la diferencia de posiciones. Como se mira en la figura 8, el robot es de coordenadas cilíndricas con tres grados de libertad y un dispositivo de captura de fruta, el sistema de visión utilizado emplea una cámara de color y se ayuda de iluminación artificial, la estructura metálica se desarrolló en programa Solid Works ® ara obtener las dimensiones, el robot cuenta con un servo motor de exi b 1228 con torque de 15kg-cm, sensor de ultrasonido , el desplazamiento del servo debe ser lento para alcanzar a localizar la naranja , el acondicionamiento es sensible varia las lecturas de salida de frecuencia y alto margen de error. Se sugiere un sistema de visión artificial con cámara para dar un mejor rendimiento.9

9Christian Geovanny Tovar Yate; Desarrollo e implementación de una plataforma móvil para recolección de naranjas, 2014.

24

Figura 8. Prototipo recolector de naranja.

Fuente: Desarrollo e implementación de una plataforma móvil para recolección de naranjas;

TOVAR YATE. Christian Geovanny.

Este trata de un proceso que inicia la recepción y finaliza con el envasado del producto, este tiene varios objetivos, la clasificación y agrupamiento de frutas y hortalizas, la eliminación de frutos de baja calidad se hace de modo manual La separación por tamaño, peso, longitud o diámetro, frecuentemente se realiza por un proceso mecanizado para el cual existe una gran variedad de equipos, en su mayor parte específicos para cada cultivo, en las líneas de clasificación para algunos productos también se incluyen sistemas de separación por color, o mediante análisis de imagen. 10 La sustitución del cultivo tradicional por el cultivo mecanizado tiene como objetivo la reducción de costos de producción y a la vez solucionar un problema de falta de mano de obra en algunas áreas del sector agrícola. En California, la mecanización de la recolección alcanzo el 100% de la superficie, en los países Europeos el interés apareció en los años 80, Las diversos tipos y modelos de máquinas cosechadoras de tomate trabajan de forma muy parecida y constan esencialmente de un sistema de corte y elevación de las plantas.

10 Ministerio de medio ambiente y medio rural y marino; Plataforma de conocimiento para el medio ambiente y pesquero, España 2010.

25

Un sistema de separación de los frutos, bandas de clasificación y carga a remolque. La separación de los frutos de la planta se realiza por un conjunto de sacudidores, las cuales imprimen unas sacudidas verticales y horizontales a las plantas, capaces de desprender los frutos por efecto de las mismas (efecto de vibración). El coste económico de la cosecha mecánica en relación con la recolección manual, viene determinado por diversos índices, algunos puramente económicos, como precio de la cosechadora, capacidad de inversión de la explotación, costo unitario de la mano de obra y del dinero, etc. Como se mira en la figura 9 y otros que se refieren al rendimiento del trabajo de la propia máquina.11 Figura 9. Esquema de funcionamiento del selector de tomate.

Fuente: Mecanización de la recolección del tomate de industria, RODRIGUEZ DEL

RINCÓN. Ángel y RUIZ ALTISENT. Margarita.

Por último son destacables los recientes métodos que se tornan alternativos a las tecnologías convencionales. El reconocimiento de elementos por visión artificial es un elemento adicional que promete mejorar estos procesos tecnológicos dentro del campo agrícola. El siguiente artículo resalta, no sólo la implementación de métodos de visión artificial sino también estructuras de control no convencionales orientadas a disminución de latencias teniendo como secciones básicas las siguientes: Visión general del sistema, las formulaciones de los pasos de pre-procesamiento, el análisis difuso, los resultados numéricos y la dirección de la investigación futura.

11 Ángel Rodríguez Del Rincón y Margarita Ruiz Altisent, (1996), Mecanización de la recolección del tomate de industria.

26

En primer lugar, la visión general del sistema se resume, con la descripción del sistema difuso de clasificación de la fruta y la visión adicional propuesta a la infraestructura existente, Las frutas son cosechadas en el campo y transportadas a una planta donde son envasadas o procesadas, los dos datos numéricos básicos, color y textura, son extraídos de las imágenes digitales para que las reglas difusas (con criterios múltiples) puedan aplicarse para analizar la calidad de la fruta, como se ilustra en la figura 10. La información de tamaño se puede obtener directamente del calibrado. Juntos los tres datos (color, textura y tamaño) serán analizados por las reglas difusas, una regla difusa tiene la forma de si-entonces, donde la frase de “si” se suministra con un conjunto de condiciones de reglas difusas, y la frase “entonces” es la indicación de la acción consecuente o conclusión. Por tanto, una regla difusa tiene la siguiente forma: SI (condición) ENTONCES (acción), se reducirían costos por devolución, ya que, al reducirse los errores de selección de mercado, tales costos decaerían en similar proporción.12 Figura 10. Imágenes típicas de frutas tomadas en una cinta transportadora.

Fuente: Análisis Difuso de Imágenes a Color de Productos Agrícolas; TRONCOSO. José Luis

12Jose Luis Troncoso, Trung T. Pham, Ph.D., Per Bro, Ph.D., (2009), Análisis Difuso de Imágenes a Color de Productos Agrícolas

27

6. MARCO TEÓRICO

6.1. Visión artificial

Se puede definir la “Visión Artificial” como un campo de la “Inteligencia Artificial” que, mediante la utilización de las técnicas adecuadas, permite la obtención, procesamiento y análisis de cualquier tipo de información especial obtenida a través de imágenes digitales (Artificial, s.f.)13. La visión artificial la componen un conjunto de procesos destinados a realizar el análisis de imágenes. Estos procesos son: captación de imágenes, memorización de la información, procesado e interpretación de los resultados. Con la visión artificial se pueden:

Automatizar tareas repetitivas de inspección realizadas por operadores.

Realizar controles de calidad de productos que no era posible verificar por métodos tradicionales.

Realizar inspecciones de objetos sin contacto físico.

Realizar la inspección del 100% de la producción (calidad total) a gran velocidad.

Reducir el tiempo de ciclo en procesos automatizados.

Realizar inspecciones en procesos donde existe diversidad de piezas con cambios frecuentes de producción.

Métodos de captación de las imágenes

Digital: La función obtenida tras el resultado de la medida o muestreos realizados a intervalos de tiempo espaciados regularmente, siendo el valor de dicha función un número positivo y entero. Los valores que esta función toma en cada punto dependen del brillo que presenta en esos puntos la imagen original.

Píxel: Una imagen digital se considera como una cuadrícula. Cada elemento de esa cuadrícula se llama Píxel (Picture element). La resolución estándar de una imagen digital se puede considerar de 512x484 Pixel.

13Visión artificial; Citado en: 01/06/2017; Disponible en

http://www.etitudela.com/celula/downloads/visionartificial.pdf

28

Nivel de grises: Cuando una imagen es digitalizada, la intensidad del brillo en la escena original correspondiente a cada punto es cuantificada, dando lugar a un número denominado “nivel de gris”.

Imagen binaria: Es aquella que sólo tiene dos niveles de gris: negro y blanco. Cada píxel se convierte en negro o blanco en función del llamado nivel binario o UMBRAL.

En la figura 11 se puede observar el diagrama de bloques que muestra cómo se hace el proceso.

Figura 11. Diagrama de bloques del proceso de la visión artificial.

Fuente. Visión artificial; citado en 01/07/2017; disponible en

http://www.etitudela.com/celula/downloads/visionartificial.pdf

Módulo de digitalización: Convierte la señal analógica proporcionada por la cámara a una señal digital (para su posterior procesamiento).

Memoria de imagen: Almacena la señal procedente del módulo de digitalización.

Módulo de visualización: Convierte la señal digital residente en memoria, en señal de vídeo analógica para poder ser visualizada en el monitor de TV.

Procesador de imagen: Procesa e interpreta las imágenes captadas por la cámara.

Módulo de entradas/salidas: Gestiona la entrada de sincronismo de captación de imagen y las salidas de control que actúan sobre dispositivos externos en función del resultado de la inspección.

29

Comunicaciones: Vía I/O, Ethernet, RS232 Figura 12. Secuencia de operación de la visión artificial

Z Fuente: El autor

Captación: Obtención de la imagen visual del objeto a inspeccionar.

Instrucciones: Conjunto de operaciones a realizar para resolver el problema.

Procesado: Tratamiento de la imagen mediante las instrucciones aplicadas.

Actuación: Sobre el entorno (aparato, pieza, elemento) en función del resultado obtenido.

6.1.1. Cámaras. Su función es capturar la imagen proyectada en el sensor, para poder transferirla a un sistema electrónico. Las cámaras utilizadas en visión artificial requieren de una serie de características que permitan el control del disparo de la cámara para capturar piezas que pasan por delante de ella en la posición requerida. Son más sofisticadas que las cámaras convencionales, ya que tienen que poder realizar un control completo de: tiempos, señales, velocidad de obturación, sensibilidad, etc. Se clasifican en función de:

INSTRUCCIONESES

PROCESADO

ACTUACIÓN CAPATACIÓN

IN

C OUT

30

Tabla 1. Función de la tecnología física y la disposición física

La tecnología del elemento sensor La disposición física.

Cámaras de tubo: Se basan en la utilización de un material fotosensible que capta la imagen, siendo leída por un haz de electrones.

Cámaras de estado sólido CCD (Acrononimo en Ingles, Charge Coupled Device): Se basan en materiales semiconductores fotosensibles para cuya lectura no es necesario un barrido electrónico (más pequeñas que las de tubo).

Cámaras lineales: Se basan en un sensor CCD lineal

Cámaras matriciales: Se basan en un sensor CCD matricial, lo que permite el análisis de imágenes bidimensionales.

Fuente: El autor.

Cámaras matriciales El sensor cubre un área que está formada por una matriz de pixeles. Los sensores de las cámaras modernas son todos de tecnología CCD formados por miles de diodos fotosensibles posicionados de forma muy precisa en la matriz. El tamaño de los CCD está definido en pulgadas, sin embargo su tamaño real no tiene nada que ver con su valor en pulgadas, sino que están basados en la relación de los primeros con el tamaño de los tubos Vidicón. Formatos habituales son 1/3”,1/2” y 2/3”. En la figura 13 se ilustra un ejemplo de una cámara matricial. Figura 13. Cámara matricial.

Fuente. Visión Artificial; citado en 01/07/2017; disponible en http://www.etitudela.com/celula/downloads/visionartificial.pdf

31

6.1.2 Iluminación

La iluminación es la parte más crítica dentro de un sistema de visión. Las cámaras capturan la luz reflejada de los objetos. El propósito de la iluminación utilizada en las aplicaciones de visión es controlar la forma en que la cámara va a ver el objeto. La luz se refleja de forma distinta si se ilumina una bola de acero, que si se ilumina una hoja de papel blanco y el sistema de iluminación por tanto debe ajustarse al objeto a iluminar. Hay un cierto número de consideraciones a tener en cuenta para determinar la mejor iluminación para una aplicación:

Intensidad de luz necesaria.

Longitud de onda adecuada Superficie a iluminar.

Reflectividad del objeto.

Color del objeto.

Espacio disponible.

Tipo de cámara utilizada.

La iluminación podrá ser mediante fibra óptica, fluorescente, led, difusa, láser. Iluminación mediante fibra óptica: Proporcionan una gran intensidad de luz uniforme, con ausencia de sombras. Es ideal para iluminar objetos de reducidas dimensiones y se pueden sujetar al objetivo de la cámara o a la óptica de un microscopio. Iluminación mediante fluorescentes. (Anulares, lineales, lineales de apertura, de panel). Este tipo de iluminación proporciona una luz brillante, sin sombras. Las lámparas han sido diseñadas para suministrar el máximo de intensidad durante al menos 7000 horas. Lo que proporciona una mayor productividad. Existen lámparas blancas en distintas temperaturas de color, también ultravioletas (UV). Esta iluminación se aplica en entornos que requieren mucha luz, y ningún tipo de sombra, (análisis biológicos, inspección y la microscopía, Ensamblaje, Inspección de circuitos, Industria, Laboratorios, Visión Industrial, Fotografía, Control de Calidad, Robótica, etc...), en la figura 14 se puede ver como es el objeto para la iluminación mediante fluorescentes.

32

Figura 14. Iluminación fluorescente.

Fuente. Visión Artificial; citado en 01/07/2017; disponible en http://www.etitudela.com/celula/downloads/visionartificial.pdf

Proporcionan una luz difusa muy útil para la aplicación en ciertos objetos. Pueden ser de iluminación directa y en anillo. En la figura 15 se observa la iluminación por led.14 Figura 15. Iluminación por led.

Fuente. Visión artificial; citado en 01/07/2017; disponible en http://www.etitudela.com/celula/downloads/visionartificial.pdf

14 Visión artificial; Citado en: 01/06/2017; Disponible en

http://www.etitudela.com/celula/downloads/visionartificial.pdf

33

6.2. SENSÓRICA

Sensórica es un concepto genérico que hace referencia a diferentes tipos de sensores. Bajo esta palabra de sensórica se entiende tanto las unidades que emite una señal analógica, como las unidades que emite una señal binaria (encendido o apagado). En todos aquellos lugares donde no sea posible detectar magnitudes eléctricas se requiere la sensórica. Convierte una magnitud física en una magnitud eléctrica.

La sensórica es un componente esencial de la automatización moderna, ya que las instalaciones deben detectar muchas magnitudes físicas. El trabajo de la sensórica es de hacer legible las magnitudes físicas como presión, temperatura o fuerza, convirtiendo estas en señales eléctricas. Para ello es necesario alcanzar una alta precisión, los sensores no deben influir demasiado en el proceso y el tiempo de reacción debe mantenerse el más corto posible. Para cumplir con tales exigencias se usan un sinnúmero de efectos físicos. 15

6.2.1. Sensor infrarrojo

Los sensores infrarrojos son una tecnología que inicio en los años 90s, son aquellos que detectan la radiación emitida por los materiales calientes y la transforman en una señal eléctrica. La velocidad de transmisión de datos, un archivo de datos de aproximadamente unos 4Mb, puede tardar de 15 a 20 minutos pasándola por infrarrojo, este se comunica por medio de ondas de muy alta frecuencia (similar a las ondas de radio), como las infrarrojas, pero tienen limitaciones, como el ángulo y distancia, tienen que estar muy cerca y casi de frente para poder que transfiera datos. En la siguiente figura 16 se aprecia espectros electromagnéticos.

15Sensórica; Citado en: 01/06/2017; Disponible en www.pce-iberica.es/instrumentos-de-

medida/sistemas/sensorica.htm

34

Figura 16. Espectros electromagnéticos.

Fuente. Sensor infrarrojo – Grupo Naranja; Citado en: 01/06/2017; Disponible en server-die.alc.upv.es/asignaturas/PAEEES/2008-09/Sensor%20Infrarrojo%20-%20Grupo%20Naranja.pdf

6.2.2. Funcionamiento

El dispositivo emite un rayo infrarrojo codificado para ser inmune a la luz ambiente y es infrarrojo para ser invisible para el ojo. Cuando un objeto o persona se interpone en su trayectoria este se interrumpe y se activa la sirena Los sensores se instalan de preferencia de pared a pared o en el paso que se desea cubrir. Los sensores debido a sus dimensiones y su color quedan prácticamente ocultos. Los sensores infrarrojos están diseñados especialmente para la detección, clasificación y posicionado de objetos; la detección de formas, colores y diferencias de superficie, incluso bajo condiciones ambientales extremas. Este componente puede tener la apariencia de un LED normal, la diferencia radica en que la luz emitida por él no es visible para el ojo humano, únicamente puede ser percibida por otros dispositivos electrónicos. Actualmente, el control remoto de aparatos electrónicos es algo habitual. El extendido uso del mando a distancia en televisión, video y equipos de música. El uso de infrarrojo está siendo ampliado al usarse en aparatos tales como:

35

Aire acondicionado, para la apertura de puertas, control de reproductores portátiles, etc., en la figura 17 se ilustra la estructura del sensor.16 Figura 17. Barrera infrarroja.

Fuente. Sensor infrarrojo – Grupo Naranja; Citado en: 01/07/2017 server-die.alc.upv.es/asignaturas/PAEEES/2008-09/Sensor%20Infrarrojo%20-%20Grupo%20Naranja.pdf

6.3. BANDAS TRANSPORTADORAS

Las bandas transportadoras se constituyen en el elemento vital de compañía por la calidad de fabricación y transporte de elementos pesados. Conocidas como sistemas de transporte auxiliares (junto con los rodillos) las bandas generalmente hechas en caucho, tienen la función de recibir un producto de forma continua y llevarlo dentro de un recorrido programado a otro lugar equidistante de donde inició. A su vez las bandas transportadoras son mecanismos que funcionan de manera autónoma ahorrando costos en cuanto a operarios se refiere, intercalando en líneas de procesos de otros equipos industriales como las camas de impacto formando una estructura sólida.

16 Sensor infrarrojo; Citado en: 01/06/2017; Disponible en server-die.alc.upv.es/asignaturas/PAEEES/2008-

09/Sensor%20Infrarrojo%20-%20Grupo%20Naranja.pdf

36

Para finalizar debemos recordar que estos elementos son fabricados en caucho de la mejor calidad, certificado por normas ISO 9001 que garantizan su calidad y resistencia sobretodo en trabajos pesados. Dependiendo de la movilidad se denominan cintas fijas a aquellas cuyo desplazamiento no puede cambiar, caso contrario de aquellas provistas de ruedas u otros sistemas que permiten un cambio fácil de ubicación construidas generalmente con altura regulable. Así mismo, las bandas de caucho industriales están constituidas por varias capas de tejidos engomados separados una capa intermedia para mejorar su flexibilidad recubiertas de caucho grueso y calidad, según el trabajo a realizar y el tipo de material a transportar, mientras que las bandas industriales se dividen en: • Lisa: para transporte horizontal o de poca inclinación. • Nervada: para instalaciones de ángulos elevados de transporte. • Rugosa: Para el transporte de productos manufacturados generalmente o trabajos. al interior de las empresas, en el movimiento de piezas, cajas. • Caucho - Botones: Fabricadas para el transporte inclinado de material empacado. capaz de incrementar el rozamiento entre la banda y el producto todo el tiempo.17

6.4. SERVOMOTOR

Un servomotor (o servo) es un motor de corriente continua que tiene la capacidad de ser controlado en posición. Es capaz de ubicarse en cualquier posición dentro de un rango de operación (generalmente de 180º) y mantenerse estable en dicha posición. Los servos se suelen utilizar en robótica, automática y modelismo (vehículos por radio-control, RC) debido a su gran precisión en el posicionamiento. En general, los servos suelen estar compuestos por 4 elementos fundamentales:

Motor de corriente continua (DC): Es el elemento que le brinda movilidad al servo. Cuando se aplica un potencial a sus dos terminales, este motor gira en un sentido a su velocidad máxima. Si el voltaje aplicado sus dos terminales es inverso, el sentido de giro también se invierte.

Engranajes reductores: Tren de engranajes que se encarga de reducir la alta velocidad de giro del motor para acrecentar su capacidad de torque (o par-motor).

17 Clasificación de la bandas transportadoras; Citado en: 01/06/2017; Disponible en.

www.eymproductostecnicos.com/Clasificacion-de-las-bandas-transportadoras

37

Sensor de desplazamiento: Suele ser un potenciómetro colocado en el eje de salida del servo que se utiliza para conocer la posición angular del motor.

Circuito de control: Es una placa electrónica que implementa una estrategia de control de la posición por realimentación. Para ello, este circuito compara la señal de entrada de referencia (posición deseada) con la posición actual medida por el potenciómetro. La diferencia entre la posición actual y la deseada es amplificada y utilizada para mover el motor en la dirección necesaria para reducir el error.

6.4.1. Principios de funcionamiento

Los servos disponen de tres cables, dos cables de alimentación (positivo y negativo/masa) que suministran un voltaje 4.8-6V y un cable de control que indica la posición deseada al circuito de control mediante señales PWM (“Pulse Width Modulation”). Existen dos tipos de servos: analógicos y digitales. Ambos tipos de servos son iguales a nivel de usuario: tienen la misma estructura (motor DC, engranajes reductores, potenciómetro y placa de control) y se controlan con las mismas señales PWM. La principal diferencia entre ellos radica en la adición de un microprocesador en el circuito de control de los servos digitales. Este microprocesador se encarga de procesar la señal PWM de entrada y de controlar el motor mediante pulsos con una frecuencia 10 veces superior a los servos analógicos. El aumento en la frecuencia de excitación del motor en los servos digitales permite disminuir su tiempo de respuesta, aumentar su resolución de movimiento y suavizar su aceleración/deceleración. El uso de un microprocesador permite también a los servos digitales programar distintos parámetros de configuración que son fijos en los analógicos: sentido de giro, posición central inicial, topes en el recorrido del servo, velocidad de respuesta del servo y resolución. Para establecer estos parámetros se deben utilizar aparatos específicos de cada marca. El principal inconveniente de los servos digitales es que consumen más energía que los analógicos al tener que generar más pulsos de control para el motor.18

18 Servomotores; citado en: 01/06/2017; Disponible en

http://www.aurova.ua.es/previo/dpi2005/docs/publicaciones/pub09-ServoMotores/servos.pdf

38

7. MARCO DE REFERENCIA

El manual del exportador de rutas y tubérculo establece lo siguiente:

La diferencia entre los diámetros de la cebolla más pequeña y la más grande, no debe ser superior a, como se ilustra en las tabla 2 y tabla 3 19

Tabla 2. Escala de calibres (mm)

ESCALAS DE CALIBRES mm

Mínimo Máximo

10 25

26 40

41 70

71 90 Mayor a 90

Fuente: Manual del exportador de frutas y tubérculo; citado en: 01/07/2017; Disponible en interletras.com/manualcci/Hortalizas/Cebollas/Calidad01.htm

19 Norma Técnica Colombiana; Citado en:

01/06/2017interletras.com/manualcci/Hortalizas/Cebollas/Calidad01.htm

39

Tabla 3. Clasificación, características y tolerancia de la cebolla cabezona

CLASIFICACIÓN CARACTERISTICAS TOLERANCIA

CATEGORIA 1

De buena calidad, forma y color Caracteristicas de la variedad.Las cebollas deben ser:

Firmes, compactas libres de nudos en la raiz (excepto cebollas cosechados antes de la madurez)

No deben tener perforaciones, tallos duros ni hinchazones causadas por un desarrollo anormal.

Se admiten manchas ligeras, siempre y cuando no afecten la ultima capa que protege la pulpa.

Se admite el 10% por peso de las cebollas que no cumplan los requisitos de esta categoria, pero clasifiquen en la categoria siguiente.

CATEGORIAS 2

Se admiten los siguientes defectos siempre y cuando no afecten el aspecto general, calidad conservación, presentación y/o empaques:

Forma y color no caracteristicos de la variedad.

Evidencia de crecimiento de retoños (no mas de 10% por número o peso)

Rastros de frotamiento.

Manchas ocasionadas por parasitos o efermedades.

Pequeñas heridas ya cicatrizadas.

Ligero magullamiento.

Nudos en la raiz.

Se tolera el 10% por peso de las cebollas que no cumplan con estas caracteristicas, ni requisitos minimos, siempre y cuando no presenten podredumbre o cualquier otro defecto que impida el consumo.

Fuente: Manual del exportador de frutas y tubérculo; citado en: 01/07/2017; Disponible en interletras.com/manualcci/Hortalizas/Cebollas/Calidad01.htm

40

8. OBJETIVOS

8.1 . General

Desarrollar un sistema semi-automatizado que permita realizar el reconocimiento y la clasificación por tamaño de cebollas con métodos de reconocimiento visual.

8.2 . Específicos

Identificar la estrategia para la captación de imágenes en el producto.

Determinar la estrategia de control para efectuar la clasificación.

Implementar el prototipo funcional de clasificación.

41

9 METODOLOGÍA

9.1 . Prefactivilidad

Los cultivos en general, cebollas, papas, granos entre otros, tienen un ciclo de vida que se desarrolla en condiciones determinadas, lo cual implica un número de factores que influye en la obtención del fruto deseado, con ciertas características o con imperfecciones que afectan la calidad del mismo y que son causantes de errores en procesos que involucran el tratamiento de dichos frutos.

Hablando propiamente de la cebolla se tiene una serie de factores que puede influir directamente en la selección adecuada de las mismas. En primer lugar se presentan las plagas, las cuales deterioran notablemente la calidad del fruto afectando su fisionomía y dando como resultado un cambio en sus características externas como color y dimensión. De igual forma se tiene aquellos frutos que están en estado no óptimo debido a un tiempo de maduración prematuro o a un largo periodo sin ser recolectado lo cual implica notable deterioro en el aspecto del mismo.

Indudablemente son factores que afectan el proceso y que se deben considerar en el diseño del sistema para obtener resultados esperados, en primer lugar la pigmentación del fruto (cambio de color por descomposición u otro factor) es un agente determinante debido a que se utiliza un método de visión y puede influir directamente en los resultados de las muestras y las señales a procesar. De igual forma el estado de madures de la cebolla puede influir directamente en sus dimensiones y afectar el resultado final, motivo por el cual es necesario definir el algoritmo considerando estas incidencias, principalmente.

9.2 . Diseño del sistema

La estructura mecánica se debe adecuar a las características del producto por lo que se diseña una banda de transportadora lo suficientemente amplia y larga para que logre un reconocimiento visual con un rango de imagen que permita la identificación adecuada en un tiempo mínimo y, segundo, permita la implementación de los elementos de reconocimiento necesarios como la cámara y los sensores, así como para los actuadores. Teniendo en cuenta las características espaciales, mecanismos de integración y actuadores se desarrolla el diseño lógico del sistema el cual integra además de sensores, elementos de control, de reconocimiento e

42

indicadores los cuales están soportados sobre las bases mecánicas en la estructura principal del modelo.

La lógica de programación así como el control empleado determina en base a las señales adquiridas en el proceso, es decir se establece la presencia del elemento a identificar y su posterior reconocimiento. Es aquí donde el algoritmo cuenta con el rigor necesario para evitar los inconvenientes identificados en la etapa de prefactibilidad, debido a que con un adecuado sistema de imágenes y discriminación de las mismas se puede evitar cualquier conflicto relacionado con la pigmentación de la cebolla y determinar el tamaño de manera adecuada con independencia del estado de maduración.

La integración de la parte mecánica y electrónica representa la coherencia del proyecto en términos de diseño debido a en conjunto representan el sistema completo por lo que la planeación espacial y de manejo de las señales de información a manejar y controlar son la estructura principal del modelo para conseguir un prototipo compacto y robusto con características que optimicen los recursos disponibles desde la implementación.

9.3 . Implementación

En base a los diseños estructurales, lógicos y espaciales del sistema se procede a implementar los mecanismos necesarios para llevar a cabo el proyecto. Es aquí donde se materializan los diseños y se adecuan los recursos de espacio y distribución de los elementos dentro del sistema general. En primer etapa se deben acondicionar las bases mecánicas y estructurales, es decir, toda la parte física que soporta los elementos de medición, regulación y actuación. Una vez resuelta la estructura se procede a hacer el ensamble lógico que comprende los elementos electrónicos y de control a utilizar para lograr un adecuado funcionamiento del sistema con independencia de la ubicación de los elementos de control y actuadores.

9.4 . Prueba del sistema y toma de datos

Teniendo el sistema completo el paso para finalizar la implementación del mismo es la parte práctica en donde se comprueba el funcionamiento del conjunto de elementos trabajando como un sistema unitario. Esta etapa comprende la verificación del funcionamiento y determina posibles cambios en el diseño original

43

tales como orientación o ubicación de determinados elementos, de igual forma confirma o no la distribución espacial de los componentes y el correcto funcionamiento de los mismos.

En este paso se permite hacer pruebas y análisis de resultados en base a la información recolectada del sistema trabajando en un estado completo y con todos los elementos asociados de forma síncrona. De igual forma es aceptable la reestructuración en la parte de diseño en base a los resultados obtenidos.

44

10 DESARROLLO Y RESULTADOS

10.1. Implementación

La implementación del proyecto consta de dos etapas: la parte mecánica y la parte electrónica acondicionada a la primera.

10.1.1. Implementación mecánica

En primer lugar se tiene el diseño de la banda transportadora por la cual la cebolla se trasportará y en donde se hará el proceso de reconocimiento y clasificación de la misma dependiendo el tamaño determinado.

Para esto se tiene en cuenta un ancho que permita un movimiento libre de la cebolla sin que quede atascada en el recorrido pero que no tenga unas dimensiones excesivas debido a que esto implicaría gastos innecesarios dentro del desarrollo de la implementación.

La longitud de la banda se diseñó en base a las necesidades de identificación y reconocimiento así como a la respuesta de los motores a estas señales y para cada tipo de cebolla.

Figura 18. Inicio de la estructura vista desde la parte superior.

Fuente: Autores.

Teniendo en cuenta la selección se ha elaborado tres opciones o recorridos de la cebolla dependiendo el tamaño de la misma.

45

En primera instancia se tiene la cebolla de tamaño grande la cual debe dirigirse a un compartimiento adecuado al tamaño determinado, como se muestran en la figura 19, imágenes tomadas desde la parte superior de la estructura.

Figura 19. a) Salida cebolla grande, b) Salida cebolla mediana y c) Salida cebolla pequeña

Fuente: El autor.

Así la estructura mecánica se resume de la siguiente manera: El sistema selecciona cebolla de tres tamaños diferentes (Grande, mediano y pequeño), para los cuales existen tres caminos por los cuales ira la cebolla dependiendo su tamaño, una vez armada la estructura se adapta la cámara que se conecta a un computador vía USB la cual realizará el proceso de detección y se ejecutara la actividad dependiendo del tamaño del producto como se aprecia en la figura 20.

Finalmente, se moverán unas puertas finales dependiendo el tamaño de la cebolla reconocida, todo esto controlado por el software Labview 2013 de National Instruments ® junto con un dispositivo de control asociado a este software, arduino Due ®.

46

Figura 20. Cámara para reconocimiento de los elementos.

Fuente: El autor.

De esta manera se completa la parte física del sistema que comprende la banda transportadora como se ilustra en la figura 21, los caminos de ruta de la cebolla y la cámara y los sensores que se encargan de determinar la presencia de las cebollas en el sistema. Figura 21. Estructura banda transportadora vista desde la parte superior.

Fuente. El autor.

47

10.1.2. Implementación electrónica

La parte eléctrica consta de varios elementos, en primer lugar se cuenta con un sensor de identificación de la presencia de la cebolla que es el inicio del proceso, se eligió sensor SHARP (ref. 2Y0A21YK0F), ya que mide la distancia en centímetro y sirve para acoplarlo al sistema y para variar las distancias, En la figura 22 se muestra el sensor infrarrojo.

Figura 22.Sensor infrarrojo (ref. SHARP 2Y0A21YK0F).

Fuente. El autor.

De igual forma la cámara hace parte de la parte lógica ya que esta determina el tamaño de mi elemento, es decir hace el reconocimiento visual, se usa esta cámara como se ilustra en la figura 23, porque manejan mejores pixeles y mejor resolución

48

Figura 23. Imagen de la cámara.

Fuente. El autor.

Por otro lado tenemos el motor encargado del movimiento de la banda, se usa este motor porque tiene buen torque, porque es más fácil para utilizarse en sitios donde no hay corriente alterna. El cual es controlado por el sensor y actúa a una respuesta positiva de éste. En la figura 24 se ilustra el motor en DC.

49

Figura 24. Motor en DC.

Fuente. El autor

Y los servomotores los cuales se encargan de manejar las compuertas para lograr que, según el tamaño de la cebolla, ésta se dirija por la ruta adecuada. En la figura 25 se ilustra los servomotores que controlan las puertas dependiendo el producto detectado.

50

Figura 25. Servomotores y camino salida cebolla grande.

Fuente. Los autores

Se utiliza arduino el cual funciona como controlador de los actuadores e interacturador con el sistema de adquisición de imágenes por medio de comunicación serial a través de un módulo propio conocido como LIFABase ®, el cual permite comunicación directa LabView ® - Arduino Due ®. Por ultimo viene el desarrollo lógico de reconocimiento visual y comunicación el cual se hace con LabView ®, a través de su interface gráfica de programación. En la figura 26 se ilustra código en LabView 2013®

51

Figura 26. Interfaz LabView® para clasificación de la cebolla.

Fuente. El autor

El Proyecto consta de dos partes principales: El primer cuadro el módulo de

comunicación Labview 2013® - Arduino Due®, tiene su inicio como “INIT” de

donde se derivan el control de velocidad en baudios y el tipo de Arduino Due® que

se utilizara, seguidamente en la sección “A” se definen los pines de salida en el

Arduino® que va relacionado.

Con la sección “B” (1, 2,3) donde cada uno tiene un par de módulos que definen

que va a haber una comunicación Labview®-Arduino® y su respectiva respuesta

denominada como “WRITE” denominada señal de salida.

En la sección “C” se define si los pines del Arduino® van a ser de salida o de

entrada, en nuestro caso salidas.

En la sección “D” tenemos tres etiquetas (Grande Mediana, Pequeña) son variables

locales que comunican este cuadro con el cuadro de módulo de visión y

reconocimiento de imágenes (que se muestra a continuación), en el final del primer

cuadro se encuentra el “CLOSE” o el fin de este módulo.

52

A continuación se muestra los sensados de cada tamaño de la cebolla, que están asociados a la sección D, de la figura 26, como se ilustra en las siguientes figuras 27, 28, 29, respectivamente.

Figura 27. Sensado cebolla grande.

Fuente. El autor.

53

Figura 28. Sensado cebolla mediana.

Fuente. El autor

Figura 29. Sensado cebolla pequeña.

Fuente. El autor

54

A continuación se realizaron unas tablas con diferentes tiempos promedios para cada tipo de cebolla (tamaño), como se ve en la tabla 4 que a menor tamaño tardara menos tiempo en ser reconocida comparado con tamaños mediano y grande, estos tiempos son la duración total del sistema desde que inicia el proceso hasta su finalización del ciclo.

Los tamaños de la cebolla están en pixeles como se ilustran en la tabla 4, 5 respectivamente. Cebolla pequeña: (280 - 350) pixeles Cebolla mediana: (510 - 560) pixeles Cebolla pequeña: (780 - 850) pixeles Tabla 4. Tiempos totales de proceso de la estructura.

ITEM TIEMPO

PROCESAMIENTO (SEGUNDOS)

TAMAÑO (Pixeles)

CEBOLLA 1 42 300

CEBOLLA 2 42 520

CEBOLLA 3 45 525

CEBOLLA 4 45 320

CEBOLLA 5 42 800

CEBOLLA 6 45 810

CEBOLLA 7 42 800

CEBOLLA 8 42 300

CEBOLLA 9 46 320

CEBOLLA 10 42 520

Fuente: El autor

La grafica naranja se muestra un resultado de tamaño de la cebolla (Grande, mediana y pequeña) que está en pixeles, la forma de dicha grafica está dada porque son de diferente tamaño, la línea azul corresponde al tiempo que tarda la estructura en su proceso total, tiempo medido en segundos, la línea azul se mantiene casi constante ya que no hubo mucha variación, como se muestra en la figura30.

55

Figura 30. Tiempos proceso de la estructura.

Fuente. El autor

A continuación se realizó la una tabla de cuánto tiempo toma la cámara en detectar el tamaño del producto. Tabla 5. Tiempo detección

ITEM TIEMPO DETECCIÓN

(SEGUNDOS) TAMAÑO (Pixeles)

CEBOLLA 1 2 300

CEBOLLA 2 2 520

CEBOLLA 3 1 525

CEBOLLA 4 2 320

CEBOLLA 5 1 800

CEBOLLA 6 1 810

CEBOLLA 7 2 800

CEBOLLA 8 1 300

CEBOLLA 9 2 320

CEBOLLA 10

1 520

Fuente. El autor.

La grafica naranja se muestra un resultado de tamaño de la cebolla (Grande, mediana y pequeña) que está en pixeles, la forma de dicha grafica está dada porque son de diferente tamaño, la línea azul corresponde al tiempo que tarda en sensar el

0

100

200

300

400

500

600

700

800

900

1 2 3 4 5 6 7 8 9 10

Tam

año

(P

ixe

les)

Tiempo procesamiento (Segundos)

Tiempo (segundos) vs Tamaño (pixeles)

TIEMPO PROCESAMIENTO (SEGUNDOS) TAMAÑO (Pixeles)

56

producto, como se reflejan en la gráfica 31, estos tiempos varían poco, la luz puede afectar que demore un tiempo o no en tomar la decisión Figura 31. Grafica tiempo detección.

Fuente. El autor.

0

200

400

600

800

1000

1 2 3 4 5 6 7 8 9 10

TA

MA

ÑO

(P

ixele

s)

TIEMPO DETECCIÓN (SEGUNDOS)

Tiempo (Segundos) vs Tamaño (Pixeles)

TIEMPO DETECCIÓN (SEGUNDOS) TAMAÑO (Pixeles)

57

11 CONCLUSIONES

Se implementó un sistema semi-automatizado que realiza la clasificación de la cebolla cabezona o de bulbo por tamaño, el método empleado brindó resultados coherentes con el desarrollo de un sistema que pretende trabajar en industria a tiempo real, ayudando al proceso en cuanto a tiempo y esfuerzo del trabajador, disminuyendo los errores por la fatiga visual.

Se usó el software Labview 2013 ®, para la captación de imágenes que permitiera distinguir el tamaño del producto y hacer su clasificación correcta, el uso de este software cumplió con lo propuesto, en tiempo real y a la mínima latencia obtenida trabajando con este software, lo que significa excelentes tiempos de respuesta utilizando este método.

Al implementar el proyecto y tener datos de respuesta del sistema se evidencia unos tiempos de respuesta, tanto del sistema de visión como de los actuadores mínimos como se observó en los resultados lo que permite una implementación robusta, porque es una integración de tecnologías del sistema, es decir, con incorporación masiva de elementos a seleccionar.

La estructura está hecha en madera ya que por temas económicos no es tan costosa, es liviana, fácil de utilizar y fácil de transportar, usando una banda transportadora que permitió el paso y la selección del producto con la ayuda una cámara que se encarga de la selección del producto y dependiendo del tamaño del producto seguirá su camino.

58

12 RECOMENDACIONES Y TRABAJO A FUTURO Este proyecto se puede utilizar aplicaciones móviles para poder visualizar en el teléfono móvil (Celular) o un computador y que permita cada cierto tiempo dar aviso al usuario sobre la producción que se de en un determinado tiempo, también se puede acoplar este proyecto con el realizado el Ingeniero Alejandro Zapata el segundo semestre del año 2016, el proyecto consiste es un cortador del tallo de la cebolla cabezona. Este proyecto al ser semiautomático debido a que el producto es colocado a mano uno por uno para su detección y clasificación se puede adicionar un sistema o un tubo que cada determinado tiempo coloque el productor en la banda para su detección y clasificación, a su vez que al no detectar producto la estructura se detenga y solo entre funcionamiento cuando se detecte producto, logrando que el sistema sea automatizado. El proyecto se use con baterías recargables en sitios donde no se disponga de corriente alterna, el sistema se puede aplicar para detectar cebolla de otro color o en caso de que la cebolla, presente suciedad o se encuentre embarrada, ya que el proyecto solo detecta cebolla de color blanco y a su vez colocar luz artificial para para que no afecte la cámara al momento de hacer la detección.

59

13. BIBILIOGRAFIA

DEL PINO NIETO. Luis, Domecq; Recolección mecanizada de uvas, 2011. FERNÁNDEZ RIBOT. Miriam; Selector de fruta y simulación de una aplicación real, 8 de Junio de 2006. JIMÉNEZ RUIZ. Antonio Ramón, Sistema de reconocimiento e identificación de objetos cuasi-esféricos por telemetría laser, Aplicación en frutos; Madrid 2003. MOLTO GARCÍA. Enrique; La robotización de la recolección de cítricos, 2001. MORENO BERMÚDEZ. Adolfo, BALLESTEROS PADILLA .Deimer, SÁNCHEZ TORRES. Germán; Un prototipo mecánico para la automatización del proceso de selección del mango tipo exportación, Medellín, 5 de noviembre de 2012 RAMOS GIRALDO. Paula Jimena, SANZ URIBE. Juan Rodrigo, OLIVEROS TARCÓN. Carlos Eugenio; Identificación y clasificación de frutos de café en tiempo real, a través de la medición de color, Manizales 2010. RODRÍGUEZ DEL RINCÓN. Ángel y RUIZ ALTISENT.Margarita, (1996), Mecanización de la recolección del tomate de industria. TOVAR YATE. Christian Geovanny; Desarrollo e implementación de una plataforma móvil para recolección de naranjas, 2014. TRONCOSO. José Luis, Trung T. Pham, Ph.D., Per Bro, Ph.D., Análisis Difuso de Imágenes a Color de Productos Agrícolas, (2009) VILABOA B. José; Automatización de la selección de la fruta en los packing, Chile, Revista facultad de ingeniería, U.T.A. 1999

De internet

Clasificación de la bandas transportadoras; Citado en: 01/06/2017; Disponible en. www.eymproductostecnicos.com/Clasificacion-de-las-bandas-transportadoras. Cultivo de la cebolla cabezona; Citado en: 01/06/2017; Disponible en datateca.unad.edu.co/contenidos/102701/Modulo_Tecnologia_agricola_2013/ModTecAgr/leccin_2_cultivo_de_la_cebolla_cabezona.html Curado y almacenamiento de la cebolla de bublo disponible. www.asohofrucol.com.co/archivos/biblioteca/biblioteca_6_Cebolla%20de%20Bulbo.pdf

60

Norma Técnica Colombiana; Citado en: 01/06/2017; Disponible en interletras.com/manualcci/Hortalizas/Cebollas/Calidad01.htm Plan estratégico de recolección, empaque y distribución de papa y cebolla en el tramo de Boyacá; Citado en: 01/06/2017; disponible en. www.javeriana.edu.co/biblos/tesis/ingenieria/tesis167.pdf Sensórica; Citado en: 01/06/2017; Disponible en; www.pce-iberica.es/instrumentos-de-medida/sistemas/sensorica.htm Sensor infrarrojo; Citado en: 01/06/2017; Disponible en. server-die.alc.upv.es/asignaturas/PAEEES/2008-09/Sensor%20Infrarrojo%20-%20Grupo%20Naranja.pdf Servomotores; citado en: 01/06/2017; Disponible en www.aurova.ua.es/previo/dpi2005/docs/publicaciones/pub09ServoMotores/servos.pdf Visión artificial; Citado en: 01/06/2017; Disponible en. www.etitudela.com/celula/downloads/visionartificial.pdf

61

14. ANEXOS

Figura 32. Esquema del prototipo desde la parte lateral.

Fuente: El autor. Figura 33. Esquema del prototipo desde la parte superior

Fuente: El autor

A continuación se muestran el código que acondiciona interfaz de LabView 2013 ® arduino Due ®

62

Parte a

/*******************************************************************************

**

**

** LVFA_Firmware - Provides Basic Arduino Sketch For Interfacing With LabVIEW.

**

** Written By: Sam Kristoff - National Instruments

** Written On: November 2010

** Last Updated: Dec 2011 - Kevin Fort - National Instruments

**

** This File May Be Modified And Re-Distributed Freely. Original File Content

** Written By Sam Kristoff And Available At www.ni.com/arduino.

**

********************************************************************************

*/

/*******************************************************************************

**

**

** Includes.

**

********************************************************************************

/

63

// Standard includes. These should always be included.

#include <Wire.h>

#include <SPI.h>

#include <Servo.h>

#include "LabVIEWInterface.h"

/*******************************************************************************

**

** setup()

**

** Initialize the Arduino and setup serial communication.

**

** Input: None

** Output: None

********************************************************************************

*/

void setup()

{

// Initialize Serial Port With The Default Baud Rate

syncLV();

// Place your custom setup code here

pinMode(7, INPUT);

pinMode(4,OUTPUT);

}

/*******************************************************************************

**

** loop()

64

**

** The main loop. This loop runs continuously on the Arduino. It

** receives and processes serial commands from LabVIEW.

**

** Input: None

** Output: None

********************************************************************************

*/

void loop()

{

// Check for commands from LabVIEW and process them.

checkForCommand();

// Place your custom loop code here (this may slow down communication with LabVIEW)

if(acqMode==1)

{

sampleContinously();

}

if(digitalRead(7)==HIGH){

digitalWrite(4,HIGH);

}else{

digitalWrite(4,LOW);

}

}

65

El otro código de arduino Due® maneja motores actuadores entradas y salidas de

los pulsos.

Parte b

#include <SharpIR.h>

#include <Servo.h>

Servo servo1;

Servo servo2;

int ir_sensor0 = A0;

float lectura;

int MOTOR=3;

int cm;

int m;

void setup(){

for(int i=9; i<=10; i++){

pinMode (i,OUTPUT);

}

for (int m=4; m<9; m++){

pinMode (m,INPUT);

}

pinMode( MOTOR, OUTPUT);

Serial.begin (9600);

analogWrite(MOTOR, 0);

servo1.attach(10);

66

servo2.attach(9);

// servo2.write(90);

// servo1.write(90);

Serial.begin(9600);

}

void loop(){

lectura = analogRead(ir_sensor0); // lectura del sensor 0

cm = pow(3027.4 / lectura, 1.2134); // conversion a centimetros

Serial.println(cm);

if(cm>0 && cm<=6 )

{delay(100);

if(cm>0 && cm<=6 ) {

delay(42000);

digitalWrite(2, HIGH);

analogWrite(MOTOR,255);

//delay(25000);

}

}

if (digitalRead(4)==HIGH)

{

67

servo2.write(80); // si 1 grande servo2.write(40); servo1.write(130);

servo1.write(130);

delay(42000);

//analogWrite(MOTOR,255);

//delay (3000);

analogWrite(MOTOR,0);

}

if (digitalRead(7)==HIGH){

servo2.write(80); // si 2 mediana servo2.write(30); servo1.write(40);

servo1.write(45);

delay(42000);

//analogWrite(MOTOR,255);

//delay (3000);

analogWrite(MOTOR,0);

}

if (digitalRead(8)== HIGH){

servo2.write(165); // si 3 pequeña servo2.write(135); servo1.write(125);

servo1.write(130);

68

delay(42000);

//analogWrite(MOTOR,255);

//delay (3000);

analogWrite(MOTOR,0);

}

// if(cm>0 && cm<=15 )

// {

//digitalWrite(2, HIGH);

//analogWrite(MOTOR,0);

// }

}