Detección automática de podredumbres en cítricos mediante procesado avanzado de imágenes hiperespectrales

Abstract

La citricultura constituye actualmente una parte importantísima de la economía en la Comunidad Valenciana. Uno de los principales problemas presentes en la industria citrícola son las podredumbres producidas por los hongos Penicillium digitatum y Penicillium italicum. La detección temprana del daño producido por los hongos en los cítricos es especialmente importante para la industria distribuidora de cítricos, ya que un reducido número de frutas infectadas puede diseminar la infección a toda una partida de cítricos, produciendo grandes pérdidas económicas. Actualmente en la industria citrícola la inspección y eliminación de cítricos dañados por podredumbres se realiza de manera manual por operarios, ya que en etapas tempranas el daño producido por el hongo es difícilmente detectable por sistemas de inspección automáticos. En esta Tesis Doctoral se va a desarrollar un sistema de visión hiperespectral basado en filtros de cristal líquido sintonizables y se van a estudiar técnicas para procesar las imágenes proporcionadas por el mismo de forma automática. La finalidad de dichas técnicas será obtener un grupo reducido y lo suficientemente informativo de bandas espectrales mediante métodos de selección de características que permita detectar los frutos afectados por podredumbres tempranas mediante algoritmos automáticos de clasificación.

The citrus industry is now an important part of the economy in Spain. One of the main problems present in the citrus industry are the rottenness produced by Penicillium digitatum and Penicillium italicum fungi. Early detection of damage produced by fungi in citrus is especially important for the distribution of citrus industry, because a small number of infected fruit can spread infection to a batch of citrus, causing great economic losses. Nowadays the inspection and removal of damaged fruit is performed manually by operators since the damage caused by the fungi is hardly detectable by automatic inspection systems. In this PhD thesis, a hyperspectral vision system based on liquid crystal tunable filters will be developed and techniques for processing the images provided by it automatically will be studied. The purpose of these techniques will get a small and informative spectral bands using feature selection methods. Rottenness early detection will be performed using linear and non linear classification algorithms.