Clasificación de poblaciones nativas de frijol utilizando visión artificial

Abstract

El frijol es una de las fuentes más importantes de alimentación en la población mexicana. Sus propiedades colorimétricas están directamente relacionadas con sus propiedades nutrimentales. Es por eso que resulta importante contar con métodos que permitan analizar su coloración para poder comparar las características entre poblaciones. Dos de las técnicas más utilizadas para caracterizar el color en las poblaciones de frijol, han sido la espectrofotometría y el análisis de color en imágenes digitales. En el presente trabajo se propone utilizar promedios de color en los espacios de color RGB, HSI y CIE L*a*b* para representar las propiedades colorimétricas de las poblaciones. La experimentación se llevó a cabo estudiando 54 poblaciones de frijol provenientes de distintas regiones del estado de Oaxaca, México, utilizando una clase primaria (identificador de cada población) y una súper clase (formada a partir de una paleta de color). La precisión de clasificación alcanzada, utilizando el algoritmo k-NN en la clase primaria, con las mediciones promedio del espectrofotómetro, fue de 68.24%; con RGB, 46.94%; con HSI, 50%; con CIE L*a*b*, 51.48%, y conjuntando los 9 canales de los tres espacios, fue de 54.91%. Para el caso de la súper clase, los resultados obtenidos fueron de 82.87% con las mediciones promedio del espectrofotómetro, 76.2%; con RGB, 74.91%; con HSI, 77.13%; con CIE L*a*b*, y 78.8%, con los 3 espacios de color. Los resultados sugieren que aun cuando los promedios aproximan las distribuciones reales, es necesaria una representación que capture de manera más robusta las distribuciones de color asociadas a cada población.