RECONOCIMIENTO DE IMÁGENES CON REDES NEURONALES

EN LA TOMA DE DECISIONES.

Cárdenas Diaz K.S, López Pérez D. y Ramos Ramírez I.

Resumen
Este articulo plantea el desarrollo de un sistema de visión artificial por fotografías en tiempo
real, como la supervisión visual automática de cultivos de frijol, el cual emplea métodos para
la diferenciación entre los elementos de la imagen. El sistema consta principalmente de
cuatro etapas las cuales son: Ambiente controlado, adquisición, procesamiento de imágenes
y reconocimiento de patrones. La etapa del ambiente controlado busca fijar una tasa de luz
constante, el cual sería el entorno de trabajo ideal, el cual cuenta con limitadas plantas para
el experimento, sin elementos extras en un cultivo como lo serían las piedras, insectos,
basuras entre otros elementos, resaltando así los elementos de más interés como la tierra, la
planta de frijol y las malezas. La integración del sistema está basada en el uso del software
MATLAB. Este interactúa con una cámara web para la obtención de imágenes en la etapa
de adquisición, con la alternativa de importar imágenes guardadas en el sistema. En
MATLAB también se realizan las otras dos etapas, siendo el procesamiento de imágenes el
verdadero plus del proyecto, pues integra las funciones más importantes para el
procesamiento de imágenes en una interfaz gráfica, integrando en ella un modo automático
y un modo manual. Esta interfaz facilitaría el trabajo para futuros proyectos de visión artificial
en MATLAB sea cual sea el proyecto por realizar. La última etapa de reconocimiento de
patrones se realizará por método heurístico, el cual obtiene las características de los
elementos de una imagen BW, para luego realizar un proceso de discriminación.
Palabras Clave: Visión artificial, malezas, frijol, detección, sistema, MATLAB.
Abstract
This article presents the development of a system of artificial vision for photos in real time,
automatic visual supervision of bean crops, which used methods for the differentiation
between the elements of the image. The system mainly consists of four stages which are:
controlled environment, acquisition, image processing and pattern recognition. The stage of
the controlled environment seeks to set a rate of constant light, which would be the ideal
environment, which has limited plants for experiment, without elements extras in a crop as it
rocks, insects, garbage among other elements, thus highlighting the elements of more
interest as the Earth, the bean plant and weeds. The system integration is based on the use
of MATLAB software. This interacts with a web camera for imaging in the stage of
acquisition, the option to import images stored in the system. MATLAB also the other two
stages, being the real plus of the project, the image processing is performed because it
integrates the most crucial functions for processing images in a graphical interface,
integrating in an automatic mode and a mode Manual. This interface would facilitate work for
future projects of vision in MATLAB, whatever the project ahead. The last stage of pattern
recognition held by heuristic method, which obtains the characteristics of a BW image
elements, then make a process of discrimination.
Key words: Artificial vision, weed, beans, detection, system, MATLAB.
Introducción
Las redes neuronales artificiales no deseadas que roban nutrientes a las
(RNA) emulan las neuronas biológicas plantas cercanas. El proyecto que, como
cerebrales para obtener un resultado y trabajo de investigación tecnológica,
funcionan así porque están construidas consiste en el desarrollo de un sistema de
como una conectividad. Para esto, se visión artificial, con el fin de detectar las
elabora un algoritmo que permite alimentar hierbas no deseadas en un cultivo, busca
la base de datos de la red neuronal, que dejar un precedente para futuras
selecciona ejemplos de problemas investigaciones que den solución y
resueltos para generar un sistema que mejoren la situación de la agricultura
toma decisiones y realiza clasificaciones. mexicana.
Las redes neuronales, que pertenecen al Objetivo General.
campo de la inteligencia artificial, permiten
Realizar un sistema de visión artificial por
resolver un problema mediante el empleo
computador que permita detectar el campo
de problemas resueltos en el pasado
deseado para el cultivo de frijol usando un
similares al planteado. En este artículo se
ambiente controlado.
describen las principales características de
las redes neuronales, así como las Procesamiento de Imágenes.
aplicaciones más comunes en las que se
utiliza esta técnica. Así mismo, a modo de El procesamiento, el análisis y la
ejemplo, se presenta, de forma detallada, interpretación de imágenes es un campo
una aplicación en la que se emplean redes de especialización muy importante de la
neuronales. visión artificial, que hace posible que un
ordenador procese imágenes o fotografías
Hoy en día tenemos ya al alcance de bidimensionales (aisladas o bien
nuestras manos sistemas más precisos, en conectadas en secuencias dinámicas o
las tareas de clasificación y detección en temporales).
imágenes.
Los principales objetivos que se persiguen
La búsqueda de herramientas tecnológicas con la aplicación de filtros son:
que mejoren el trabajo de los campesinos
es algo necesario, ya que ellos se ven • Suavizar la imagen: reducir la cantidad
afectados por hierbas no deseadas, las de variaciones de intensidad entre
cuales afectan la calidad y retrasan la píxeles vecinos.
producción del cultivo. • Eliminar ruido: eliminar aquellos
píxeles cuyo nivel de intensidad es
Los campesinos necesitan nuevas muy diferente al de sus vecinos y cuyo
tecnologías que les garanticen acelerar y origen puede estar tanto en el proceso
mejorar la producción de sus cultivos. Esto de adquisición de la imagen como en el
es lo que se busca lograr con en este de transmisión.
proyecto, proponiendo la visión artificial • Realzar bordes: destacar los bordes
como una herramienta útil que a futuro que se localizan en una imagen.
mejorara la competencia del agro • Detectar bordes: detectar los píxeles
mexicano frente a otras entidades agrarias donde se produce un cambio brusco en
nacionales. Una visita a un cultivo de frijol la función intensidad.
dejó en evidencia la existencia de hierbas
Reconocimiento de Patrones. Ambiente Controlado.
El Reconocimiento de Patrones como una Es un entorno cerrado donde parámetros
disciplina científica tiene el objetivo de tales como luz, temperatura, humedad
clasificar objetos en un número específico relativa y, algunas veces presión parcial de
de categorías o clases. Dependiendo de la los gases (e incluso su composición),
aplicación, estos objetos pueden ser están completamente controlados.
imágenes, sonidos, olores, en general,
Desarrollo del Ambiente Controlado.
señales producto de mediciones que
deben ser clasificadas. Estos objetos se Para la realización del prototipo de la
denotan con el término genérico semejanza del cultivo de frijol se hizo el
de patrones. estudio de los elementos que se pueden
encontrar en dicho cultivo y se establece
Redes Neuronales.
como primordiales tres elementos, los
Las redes neuronales son un modelo para cuales son, tierra, plantas de frijol y
encontrar esa combinación de parámetros malezas. Descartando otros como piedras,
y aplicarla al mismo tiempo. En el lenguaje basuras, insectos, entre otros. También se
propio, encontrar la combinación que hizo el estudio de los factores aleatorios
mejor se ajusta es "entrenar" la red que afectan la imagen del cultivo, siendo la
neuronal. Una red ya entrenada se puede luz y la humedad de la tierra los factores
usar luego para hacer predicciones o que más afectan los colores de la imagen
clasificaciones, es decir, para "aplicar" la a tomar.
combinación.
Los elementos del cultivo de estos tres
Las redes neuronales suelen consistir en elementos se realizaron de la siguiente
varias capas o un diseño de cubo, y la ruta manera.
de la señal atraviesa de adelante hacia Tierra. en un cultivo de frijol se maneja
atrás. Propagación hacia atrás es donde tierra negra. Su obtención es fácil,
se utiliza la estimulación hacia adelante o basta con ir a una floristería, vivero o
en el "frente" para restablecer los pesos de cualquier lugar que comercie con plantas
las unidades neuronales y esto a veces se para poder comprarla, también se puede
realiza en combinación con una formación extraer directamente de un cultivo real.
en la que se conoce el resultado correcto. Plantas de frijol. Estas plantas no suelen
estar en venta, no son de fácil
Inteligencia Artificial.
obtención. Por lo tanto se procedió a la
La Inteligencia artificial es el campo germinación del frijol para la obtención de
científico de la informática que se centra la planta. esta germinación se realizó de la
en la creación de programas y manera convencional, colocando el frijol
mecanismos que pueden mostrar en algodón húmedo. luego de 1 semana
comportamientos considerados se evidencio la aparición de raíces, a las 2
inteligentes. En otras palabras, la IA es el semanas la aparición de hojas, finalmente
concepto según el cual “las máquinas a las 3 semanas se logró ver la planta
piensan como seres humanos”. joven, con tallo, raíz y hojas.
Malezas. Aunque no se puedan comprar,
son de fácil obtención. Hay
muchos tipos de malezas y los zacates
(pasto) y hojas anchas abundan en gran
parte del mundo, por lo cual basta con
buscarlos y extraerlos directamente del
suelo.
Factores aleatorios en el cultivo.
También se obtuvieron 2 factores
aleatorios los cuales fueron controlados de
la siguiente manera:
Posteriormente en la etapa de
Intensidad lumínica constante. Para esta segmentación se pretende transformar la
basta con hacer un lugar encerrado, un imagen en escala de grises en una imagen
contexto totalmente oscuro. Luego iluminar lógica compuesta de unos y ceros (blanco
dicho contexto con una luz constante, en y negro). Una imagen se puede segmentar
este caso un Foco Ahorrador Led Casa
con 2 métodos diferentes, el primero es
Luz Blanca 30w 6000k E27 Led09, el cual
por medio de la detección de contornos y
se implanto de forma central en la
superficie que encierra el cultivo. el segundo por medio de la intensidad del
pixel, fijando un umbral.

Nivel de humedad. La tierra húmeda

suele cambiar el color dependiendo
de su nivel de humedad, haciéndose más
oscura y también cambiando su textura a Ejemplos de segmentación
algo más duro, por lo cual resulta más
sencillo trabajar con la tierra seca. Después de procesar de forma correcta las
imágenes, se obtienen las características
más significativas que nos permita
Procesamiento de Imágenes. diferenciar las malezas de los frijoles, es
Un proceso fundamental para el desarrollo importante que las características
del sistema planteado es el procesamiento buscadas sean lo más similares posibles al
digital de imágenes, ya que de esta forma frijol y lo más diferentes posibles a las
se obtiene la información necesaria de malezas, dicha información obtenida se
diferentes imágenes para poder entrenar guardará en una base de datos.
nuestra red neuronal. Una vez teniendo nuestra base de datos,
Para poder extraer información se debe de realizar un sistema que sea
directamente de la imagen, primero se capaz de determinar a que imagen
debe de realizar un preprocesamiento que almacenada se parece o corresponde la
consiste en mejorar la calidad informativa imagen procesada, a lo cual se le conoce
de dicha imagen para facilitar la como clasificador o reconocedor de datos,
interpretación de la información, cabe eh aquí donde comienza la aplicación de
destacar que cuando se adquiere una las Redes Neuronales debido a que es una
imagen, no suele ser directamente buena opción para la clasificación de
utilizable. Se considera que lo más datos.
relevante de las imágenes a tratar es su
contorno, para lo cual los colores no son Efectividad.
necesarios y resulta más conveniente Para evaluar la efectividad del sistema de
convertir la imagen a una escala de grises visión se usó una muestra de 30
fotografías, 10 sin maleza y 20 con para el cultivo de frijol y en función con el
maleza; se evaluó una por una, marcando reconocimiento de imágenes proporcionó
como correcto e incorrecto la los mejores resultados para todos los
interpretación que arrojo el software. Los clasificadores.
resultados fueron los siguientes: En las imágenes tratadas se mostraron diferentes
Para las 10 imágenes sin maleza la resultados para 10 imágenes sin maleza la
efectividad fue del 100%. efectividad fue del 100% y en cuanto en 20
Para las 20 imágenes con maleza la imágenes la efectividad fue del 90%.lo que quiere
efectividad fue del 90%. decir que se obtuvo una efectividad de 92.5% con
3 imágenes erradas de 30.
Lo que quiere decir que se obtuvo una
efectividad total de 92.5% con tres
imágenes erradas de 30. En estas Referencias
imágenes erradas se erró en la
identificación del frijol, más la identificación Salesforce. (2017, 22 junio). ¿Qué es la
de la maleza siempre fue buena. inteligencia artificial? Recuperado 26
mayo, 2018, de
Conclusiones. https://www.salesforce.com/mx/blog/2017/
En esta investigación se pudo demostrar 6/Que-es-la-inteligencia-artificial.html
que es posible analizar un cultivo de frijol Wikipedia. (2018, 27 mayo). Red neuronal
mediante el reconocimiento de imágenes artificial. Recuperado 27 mayo, 2018, de
aplicando redes neuronales, es decir: que https://es.wikipedia.org/wiki/Red_neuronal
a partir de capturas y en tiempo real _artificial
pudimos adquirir el conocimiento para dar
pie a la decisión de que hierva no es XAKATA. (2014, 30 diciembre). Las redes
deseada para dicho cultivo. neuronales: qué son y por qué están
volviendo. Recuperado 27 mayo, 2018, de
En el proceso de decidir cuál era el mejor https://www.xataka.com/robotica-e-ia/las-
cultivo tuvimos que implementar imágenes redes-neuronales-que-son-y-por-que-
de baja resolución y bandas de estan-volviendo
información en el aspecto bidimensional,
para tener un enfoque mayor de lo que se Rene Reynaga y William Mayta, R. (2007,
está realizando. 3 septiembre). INTRODUCCION AL
RECONOCIMIENTO DE PATRONES.
Se utilizó el software llamado MATLAB Recuperado 27 mayo, 2018, de
para dar un enfoque más acertado al http://www.scielo.org.bo/scielo.php?script=
proyecto, de esa manera tuvimos un sci_arttext&pid=S2071-
procesamiento de imágenes en una 081X2009000100005
interfaz gráfica, integrando en ella un
modo automático y otro manual. WIKIPEDIA. (2018, 18 mayo).
Procesamiento digital de imágenes.
En cuanto al ambiente controlado, se Recuperado 27 mayo, 2018, de
observó que la luz, humedad y la https://es.wikipedia.org/wiki/Procesamiento
temperatura es un factor muy importante
_digital_de_im%C3%A1genes