MQUINA SELECTORA DE GRANOS DE SACHA INCHI Alan Caldern, Carlos Mndez, Luis Hermoza.

Mechatronic Engineering Section, PUCP

1.

Abstract

Sacha Inchi seeds have high nutritional value due to large concentrations of fatty acids than "Omega 7"or Palmitoleic acidand others[1], which is why its cultivation and marketing has increased enormously in Peru [2]. To achieve one sophisticated production it is seeks to optimize the process of industrialization of Sacha Inchi seeds through automation, it found the problem of an efficient seed shelling [3]. This paper shows the proposed solution to this problem, by applying image processing techniques with analysis of potential function in image recognition and pattern recognition. The final goal for the algorithms is to be implemented in a complete selection machine. Las semillas de Sacha Inchi tienen un alto nivel nutricional debido a sus grandes concentraciones de cidos grasos como el Omega 7 cido Palmitoleico y otros [1], razn por la cual su cultivo y marketing se ha incrementado enormemente en el Per [2]. Para lograr una produccin sofisticada, se busca optimizar el proceso de industrializacin de semillas de Sacha Inchi mediante automatizacin, encontrndose el problema de un eficiente pelado de la semilla [3]. Este artculo muestra una solucin propuesta a este problema, aplicando tcnicas de procesamiento de imgenes con anlisis de funciones potenciales en reconocimiento de imgenes y mediante reconocimiento de patrones. El objetivo final es lograr su implementacin en una mquina selectora completa. 2. Diseo de la mquina selectora.

prototipo de mquina propuesta. Un requerimiento de diseo fue que se haga la seleccin de un lote de semillas descascaradas se incorrectamente descascaradas, operando a una velocidad de 200 Kg/hora, lo cual da un aproximado de 55 semillas por segundo. La velocidad de operacin implica que se deben tener sensores, actuadores y respuestas de controlador y tiempos de cmputo menores al tiempo de operacin para lograr el requerimiento de la seleccin de 55 gramos por segundo. El monitoreo de las semillas debe ser de alta precisin, por lo que se escogi el procesamiento de imgenes; adicionalmente el controlador debe responder ptimamente a disturbios mecnicos y ruido dentro de un tiempo de cmputo ptimo para el accionar de los actuadores.

Figura 1: prototipo de mquina selectora

Se dise un prototipo de mquina selectora de semillas de Sacha Inchi, siendo necesario encontrar un sistema que pueda identificar correctamente semillas peladas para comparar los resultados de simulacin. La Figura 1 muestra grficas del

El presente artculo no va a tratar el diseo de la mquina prototipo, sino se enfocar en el desarrollo del algoritmo de visin y su desempeo. Adicionalmente, se mostrarn clculos relevantes durante las etapas del proceso de diseo; estas

permitirn obtener parmetros del proceso y definir condiciones y tiempos necesarios para lograr un ptimo desempeo.

3. Captura de Imgenes, iluminacin actuadores

El sensor para captura de imgenes es una matriz CCD como la mostrada en la figura 2. Ya que actualmente estos arreglos sensoriales estn integrados en las cmaras digitales, se usarn stas en el proyecto. La cmara usada es la DMK 22BUC03 tomada en prstamo del CETAM.

Figura 3

Sea l la longitud del dimetro del lente de la cmara y L la longitud mxima que puede captar dicho lente. Sea el ngulo mximo de apertura que puede captar la cmara. Para el clculo de la altura con respecto al ngulo de apertura, se toma que una lnea vertical de altura h con respecto al borde del lente de C forma el mismo ngulo . Por ello, la longitud total desde el borde hasta la mitad de la longitud mxima ahora se puede expresar como:

Figure 2: sensor CCD de cmara digital Nikon C40

El sistema de control diseado es implementado en un computador personal el cual permite interactuar en un solo algoritmo general a las funciones de control, sensores y actuadores. Sin embargo, para la implementacin del diseo se sugiere trabajar con un sistema embebidopara una mejor potencialidad en la ejecucin de algoritmos de visin.

( Se tiene que:

( )

( (

) )

Estructura fsica del sistema Fsicamente, el sistema de visin empieza con la cmara posicionada sobre la seccin de las canaletas. En la figura 3 se observa un esquema generalizado de la cmara (C) posicionada una altura h con respecto a la superficie del conjunto de canaletas.

( )

Tambin, se debe considerar que la cmara estar colocada sobre un soporte, el cual estar a una altura H. Si la cmara tiene una altura hc, entonces: ( )

Con esto, se puede averiguar los valores de altura, mxima longitud de captura y ngulo de captura de imagen de la cmara. En forma ideal, el valor de debera ser un parmetro conocido, con el cual se puede calcular la mxima longitud de captura; pero, ocurre que dato no suele ser consignado en algunas cmaras, por lo cual se deben realizar pruebas para hallar dicho ngulo y as poder realizar los clculos para el proceso.

fLED = 4 Hz.

Figura 4

En cuanto al inconveniente de prdida de foco y distorsiones de imagen con respecto a la altura h, una cmara puede ser equipada con un lente que le permite una mayor amplitud de captura y una mayor altura de trabajo. En ese caso, se debe considerar: ( ) Donde hres la longitud real de la altura y h es la altura del lente. As, se tiene que la ecuacin (3) se puede expresar como: ( ) En la figura 4 se puede observar un esquema simplificado de un sistema de iluminacin. Se debe hacer notar que la vista actual es de tipo lateral. Iluminacin Para una correcta captura, se deben evitar distorsiones producidas adicionalmente por el efecto de la velocidad sobre la imagen. Por ello se plantea el uso de la tcnica de iluminacin estroboscpica para obtener una imagen estable. Usando la idea de un sistema de luces LED para efecto estroboscpico, se tiene una matriz luminosa de accionar intermitente al menos para 4 procesamientos por segundo, lo cual implica que:

Para poder realizar esto, se necesita de una matriz LED de iluminacin blanca Lique permita abarcar toda la longitud L desde una altura que mximo sea h. Como mnimo es necesario contar con una seccin de longitud P correspondiente a la mxima longitud de disparidad que puede tener una semilla al momento de ser capturada con C. Esa mxima longitud tiene que ser abarcada por las unidades de iluminacin. Debido a que un diodo LED puede tener un buen ngulo de iluminacin (120, por ejemplo), su rea de iluminacin efectiva es ms que suficiente. Para garantizar una buena iluminacin, se usarn LEDs de alta potencia luminosa. Un ejemplo a continuacin es mostrado en la figura 5.

Tomado de:http://www.arrownac.com/solutionsapplications/lighting/whatisanled.html

Figura 5: Iluminacin con LEDs El Factor de las sombras en la imagen Cuando se realiza la captura de la imagen, en forma ideal no deberan aparecer sombras que induzcan a errores de sistema. En el caso del sistema propuesto,

la identificacin de la cscara negra hace que se planteen soluciones al problema de falsas identificaciones. Para ello, la iluminacin es fundamental: permite identificar claramente una semilla pelada totalmente clara, de una deficientemente pelada con zonas de cscara negra; e inclusive, totalmente sin pelar. Es por ello necesario un sistema que minimice o que elimine en su totalidad el factor sombras. a) Anlisis del modelo Se parte de una apreciacin sencilla tomando como referencia un bloque, tal como se muestra en la figura 5. En ella, se muestra un bloque sobre el cual inciden los haces de luz de una fuente luminosa; por efecto de la misma, aparece una sombra que se proyecta una distancia s desde el borde del objeto y formando un ngulo con respecto a la fuente de luz. Se puede observar que el objeto est separado una distancia d de la posicin del emisor de luz T, que a su vez se encuentra suspendido una altura h. El bloque tiene una altura l y un ancho A.

( ( ( Como:

) ) )

) ((

( )

Figura 6

Modelando la semilla de Sacha-Inchi como un elipsoide tal como se muestra en la figura 2, se puede realizar un anlisis anlogo al de las ecuaciones 1 y 2. Se debe considerar que ahora existen cambios en cuanto a distancias y medidas. Se considerar una elipse cualquiera de frmula: ( ) ( )

Figura 5

Se tiene que el haz emitido choca a la elipse en el punto X1, Y1 as que tomando el ejemplo para la ecuacin 1, se tiene que: ( ( Se tiene entonces que ) ) ( )

Para hallar el ngulo , se tiene que trazando una recta paralela, se logra obtener el mismo ngulo en la cara superior del bloque. As: ( ( ) ) ( )

( ( )

Con este valor, se puede hallar la distancia total:

Como en este caso se tiene: z

muestra en la figura 4, de tal forma que la imagen sea correctamente iluminada y a la vez que las sombras sean atenuadas lo suficiente como para descartar el efecto que pueda ejercer sobre la identificacin de la semilla de Sacha-Inchi. ) ( )

) (( (

) )

De esta forma, es posible calcular la longitud de la sombra generada cuando se ilumina la semilla de Sacha-Inchi.

Figura 9

Considerando los siguientes valores para la posicin de una unidad de iluminacin T a 50 cm de altura con respecto a la Faja Transportadora:
Figura 8

Se observa adems que el mismo efecto de la fuente de luz genera una iluminacin que entrar por el lado redondeado paralelo a dicha fuente, tal como se muestra en la figura 3. En este caso, se tiene que el haz de luz incidir en un ngulo . Tomando en forma anloga los resultados de las ecuaciones [3] y [4], se tiene: ( ( ) ) ( )

Estos datos se consideran para una semilla genrica de 1.5 cm de largo y 1 cm de altura; colocada a 75 cm del borde de la Faja Transportadora. As, con la ecuacin (8) y (9): ( ( Luego, se tiene: ( ) (( ( ) ) ) ) )

) (( (

) )

Como se observar, la fuente luminosa T genera una sombra, pero a su vez ilumina una zona inferior frontal de la semilla. Usando esta idea, se ha propuesto el uso de 4 emisores de luz tal como se

La sombra generada es relativamente pequea. Si se tiene en cuenta el efecto de la luz opuesta, el efecto de la sombra se hace despreciable. Actuador de Unidad Selectora. La Unidad Selectora usar un solenoide de respuesta y recuperacin rpidas para las velocidades necesarias en el proceso de seleccin de semillas a la velocidad requerida. Este actuador se encargar de expulsar las semillas no peladas o deficientemente peladas luego que estas se hayan identificado durante el proceso de captura. Su accionamiento y recuperacin debern ser rpidos considerando que el proceso es continuo y su margen de accin es estrecho. Como una opcin inicial e plante el uso del solenoide rpido de cdigo L-22PL012D-C.

Figura 10: Representacin del proceso

Considerando en la figura 11, donde se muestra un esquema simplificado de parte del Dispensador y del dosificador del sistema propuesto.

4.

Clculos de los tiempos de operacin

Para el correcto desarrollo del proceso de seleccin, es necesario el clculo del mximo tiempo de cmputo disponible. Una representacin simplificada del proceso se puede observar en la figura 10. El proceso en s es una operacin continua con mrgenes de trabajo bastante estrechos, lo cual hace necesario tener un sistema de rpida respuesta capaz de enviar seales de control a los actuadores y a su vez realizar otras actividades dentro del proceso. Como este artculo se centra en el sistema de visin, slo se consignarn clculos referido a este apartado. Sea la :

Figura 11

Se tiene que:

Por lo tanto: ( )

Si se considera: ( Eso se muestra en la figura 14: )

Figura 12

En la figura 12, se hace un anlisis del tornillo sin fin, donde:

Figura 14

Verificando en nuestro caso: Teniendo en cuenta la imagen del tringulo de la figura 13, se puede verificar la relacin de ngulos.

Si se toma en cuenta la expresin:

( ) Figura 13

Por ello, se puede hacer: ( ) ( )

Al reducir la rapidez relativa entonces por balance de energa se puede conocer caractersticas de la faja.

Haciendo una regla sencilla:

Figura 15

Con estos datos, y con el esquema mostrado en la figura 15, se puede decir: ( )

correlacin de la ltima imagen captada sea mayor a la correlacin de la imagen almacenada en la memoria temporal. La presencia de las funciones potenciales permite que el sistema prevenga perturbaciones mecnicas en direccin del movimiento y perpendicular a ste, ya que se tiene prevista una comparacin entre los bordes detectados de la imagen considerada en reposo inicial y la que recibe seal de los actuadores.

Finalmente, se tiene

5. Algoritmo de Procesamiento de Imagen. El algoritmo que se ha diseado trabaja con funciones potenciales para la ubicacin de las semillas, con comparacin de color para identificacin de semillas correctamente descascaradas respecto a las incorrectamente descascaradas, anlisis de correlacin entre imgenes en movimiento relativo. El diagrama de flujo que se muestra en la figura describe las caractersticas de las funciones principales del algoritmo diseado; configuraciones del computador que lo ejecutar, parmetros de captura para las imgenes en movimiento relativo, puesto que respecto a una captura determinada, sta se considera en estado de reposo para el instante de captura pero la toma de decisin necesita de un tiempo de cmputo, de tal manera que siendo ste menor o igual al tiempo que demora en trasladar la semilla captada hacia la posicin de su actuador respectivo, si la seal de orden es evacuarla, entonces se podr tomar accin por parte de los actuadores. La determinacin de la seal de accin a los actuadores est dada siempre en cuando la

Figura 16: Diagrama de flujo del algoritmo de

visin.

Entonces el reconocimiento de los granos de Sacha Inchi se logra mediante la deteccin de color en tendencia a blanco, pues el grano descascarado no es completamente blanco, reconocimiento de los bordes y funciones potenciales para tener una perspectiva del grano en un eje vertical a su superficie. Este reconocimiento necesita de una potencialidad de cmputo para que el tiempo de ejecucin sea ptimo al tiempo deseado del cumplimiento de una accin de control

6. Simulaciones Las simulaciones se realizaron en Matlab, versin 2013. La figura muestra la captura de granos de Sacha Inchi correctamente descascarados capturados por el cdigo que evala contraste de color y funciones potenciales. Las semillas fueron pegadas a una plataforma oscura, mediante una cinta transparente; cuando se emulaba el movimiento de la faja (donde sern transportadas finalmente en mquina de pruebas) mediante la accin de una fuerza a la plataforma que se muestra en base, se verific que el tiempo de ejecucin es aproximadamente tres minutos. El tiempo obtenido para la ejecucin del algoritmo es demasiado grande contraste al tiempo de traslado de los granos capturados hacia posicin de los actuadores, razn por la cual se tom la opcin de trabajar con instrucciones del algoritmo diseado, empero ya predefinidas; como es el caso de reconocimiento de patrones por parte de LabVIEW. Otra opcin para poder ejecutar este algoritmo diseado y simulado, de tal manera que pueda cumplir el requerimiento de operacin de tomar accin de control en un tiempo menor o igual a 225ms como requerimiento, menos el tiempo de respuesta de los actuadores, menos el tiempo de captura de la imagen, conlleva que el tiempo de cmputo estimado est alrededor de 10ms. Esta condicin se cumplira siempre en cuando se toma accin de control en tiempo real y/o tomando control del sistema operativo.

La figura muestra el resultado de comparar la deteccin de grano de sacha Inchi, mediante el resultado de la ejecucin de las funciones potenciales.

Figura 18: Comparacin de bordes de imgenes detectadas.

La figura muestra la proporcin de deteccin del grano captado, para los tres ejes del espacio que contiene al grano de sacha Inchi; dando informacin de su ubicacin y reconocimiento de sus contornos. Esta equivalencia de interpretacin espacial del grano es realizado mediante las funciones potenciales.

Figura 18: Grano detectado en proporcin de intensidad absorbida.

7. Pruebas Las pruebas se realizaron en una mquina de capacidad de operacin 0.115 m/s de rapidez de faja transportadora, rapidez mucho menor a la requerida, razn por la cual se busc proporcin aminorando la distancia de separacin entre filas de granos de Sacha Inchi para ser evaluados. Se observ que el
Figura 17: Captura de granos de Sacha Inchi.

tiempo de cmputo del algoritmo diseado era menor o igual a 10 ms. Se logr dicha capacidad de cmputo mediante la plataforma LabVIEW. Sin embargo se prioriz menor tiempo de cmputo para cumplir el requerimiento de seleccin y tiempo de operacin; por medio de instrucciones ya predefinidas que lograban el reconocimiento de patrones de forma de los bordes de los granos, adems de la intensidad de luz absorbida. La estructura de operacin con efecto de accin tridimensional por parte de las funciones potenciales, se trabajaron implcitamente en LabVIEW, para optimizar el tiempo de cmputo, donde el efecto espacial es reemplazado por asignar a las coordenadas de captura de la imagen su equivalente en coordenadas de accin por parte de los actuadores, al ser informacin de lanzar al grano incorrectamente descascarado fuera de la plataforma, se determina mediante la muestra de una cuadrcula roja que contenga al grano seleccionado a rechazarse. De esta forma se optimiz el tiempo de cmputo menor o igual a 10ms. La figura muestra la mquina provista para realizar las pruebas del algoritmo diseado.

Figura 19: Mquina provista para realizar las pruebas.

La figura muestra la cmara CCD acoplada al sistema de captura de imgenes y su respectivo sistema de iluminacin interna.

Figura 20: Ubicacin de la cmara CCD en operacin.

La figura muestra la captura la captura de grano de sacha Inchi por parte del algoritmo diseado.

Experimento de reconocimiento de cscara. La idea principal a explorar es el reconocimiento de la cscara de la propia semilla al tener en cuenta la marcada diferencia entre la semilla (de una tonalidad clara cremosa) y la cscara (una tonalidad marrn muy oscura, casi negra).
Figura 21: Captura de grano de Sacha Inchi.

Experimento con inversin: semilla en vez de cscara. Se ha explorado la posibilidad de hacer un reconocimiento en sentido inverso; es decir, en vez de sensar las semillas no peladas o mal peladas, se ha considerado el sensado de la semilla pelada. La semilla pelada tiene una coloracin marcadamente distinta a la cscara: una tonalidad crema muy clara contra una cscara oscura, casi negra.Un adecuado nivel de iluminacin permite acentuar la diferenciacin y as se puede definir con mayor claridad la semilla pelada de la deficientemente pelada o sin pelar; en forma prctica, se logr que la diferencia sea casi una definicin blanco/negro ideal. La ventaja hallada al usar este concepto es que el sistema se vuelve inmune al efecto de las sombras que la propia semilla puede formar, al slo enfocarse a la zona clara de la misma. Se observ que bajo condiciones de un fondo oscuro de tonalidad mate, la identificacin era muy efectiva. Pero, como desventaja, se observ que la identificacin tambin inclua las semillas deficientemente peladas, lo cual indicaba que adicionalmente debera implementarse una identificacin de tamao de la semilla para una correcta seleccin.

La figura muestra la captura de grano de sacha Inchi, mediante la ejecucin del algoritmo en LabVIEW.

Figura 22: Grano de Sacha Inchi detectado.

La figura muestra la posicin de grano detectado y en espera de accin de los actuadores respetivos, los cuales son emulados por LEDs en la interfaz mostrada.

8.

Conclusiones

Figura 23: Posicin de grano detectado.

Se ha logrado disear un sistema de visin artificial para la deteccin de granos de Sacha Inchi en movimiento, sea correctamente o incorrectamente descascarado. El algoritmo diseado es propuesto en

dos plataformas, una en Matlab con un tiempo aproximado de 3 minutos como respuesta; y el otro en LabVIEW, con un tiempo de ejecucin menor a 10ms; Sin embargo, no transfiere informacin de funciones potenciales. El uso de las funciones integradas en el propio programa Matlab aligera el trabajo de implementacin del algoritmo propuesto. Esto evidentemente tambin influir en mejores tiempos de procesamiento en forma general. Una implementacin paralela en el programa LabView permiti observar que este programa, de orientacin industrial, cuenta con algunas instrucciones propias que solucionan varios aspectos del procesamiento de la imagen; aunque tambin se debe reconocer que su gama de opciones algortmicas se reducen a aquellas consideradas por los diseadores como suficientes. 9. Sugerencias

una rapidez de 2m/s, entonces la toma de accin de los actuadores debe de ser no en el instante de captura. Se analiz que el tiempo mximo de cmputo es 10ms, permitiendo dar la orden de control a los actuadores en un rango de tiempo cercanamente mayor a este valor.

Figura A: representacin de captura y procesamiento.

Es necesario refinar el algoritmo para hacerlo ms eficiente y con menor tiempo de ejecucin. Una ejecucin paralela usando los ncleos de un procesador multi-ncleo en forma individual podra acelerar el proceso de cmputo. Se ha probado en forma experimental la identificacin slo por un lado. Para complementar, sera necesario en un futuro realizar el procesamiento usando al menos 2 cmaras con un sistema de iluminacin adecuado. Tendra que medirse el impacto real de esta nueva configuracin y si puede alcanzar la tasa de produccin propuesta. 10. Anexos Algoritmo adaptado para Labview La figura A muestra la representacin de la captura de la imagen del grano de Sacha Inchi; cabe resaltar que la captura se da para un cuerpo en movimiento a

La figura muestra la representacin en un instante ti del desplazamiento de los granos de Sacha Inchi, especficamente la regin que ocupan en la faja transportadora; se les asigna una posicin medida en el instante de captura, la cual debe estar biunvocamente relacionada con la posicin de los actuadores. De tal manera que al reconocerse grano incorrectamente descascarado en la posicin(Xri,Yri) sta deba ser asignada a su respuesta en (aXri,aYri), tal como se muestra en la figura B.

Figura B: representacin de posiciones de captura y actuadores.

enva un cuadro rojo que encapsula a la imagen reconocida, adems de la orden al actuador hacia la posicin donde sta imagen ubicar al grano incorrectamente descascarado. El desarrollo de esta tarea en LabVIEW permiti optimizar el tiempo de cmputo, pues inicialmente se realiz el trabajo en Matlab, ms el tiempo de cmputo no era adecuado para una ptima accin de los actuadores.

La figura C muestra la representacin superpuesta de las posiciones captura superpuesta en la posicin de respuesta actuador.
Figura D: representacin de instrucciones para reconocimiento.

11. [1]

Referencias MUOZ, A; ALVARADO-ORTIZ, C; CASTAEDA, B; LIZARASO,F; BARNETT E, CRDENAS, L; MANCO E;Estudio nutricional de Plukenetiahuayllabambanasp. nov; Revista de la Sociedad Qumica del Per, v. 79, n. 1; ISSN 1810-634X; Enero/Marzo 2013; p. 54 PROMPER; Produccin Orgnica en el Per; p.10;Referencia:http://perubiodiverso.pe/ass ets/contexto_nacional_esp.pdf PROYECTO PERBIODIVERSO; Manual de produccin de Sacha Inchi para el biocomercio y la agroforestera sostenible; p. 23; Referencia: http://www.pdrs.org.pe/img_upload_pdrs/36 c22b17acbae902af95f805cbae1ec5/Manual_ de_producci_n_de_sacha_inchi_para_web.p df

Figura C: representacin de superposicin de ubicaciones.

Donde, si la posicin de respuesta actuador ai es activada entonces logra darse el rechazo del grano incorrectamente descascarado para un tiempo de cmputo menor o igual al tiempo de traslado del grano de posicin de captura hacia posicin de actuador. Sin embargo, Cmo se logra el reconocimiento de la imagen?, la figura muestra las instrucciones de LabVIEWpara facilitar el reconocimiento de las imgenes; mediante el asistente Visionassistant y findPattern, los cuales permiten capturar la imagen, compararlas con una serie de imgenes previamente almacenadas en la memoria del computador, como tambin sus posiciones y realizar el reconocimiento; figura D. Al ser afirmativo la mxima coincidencia posible de las imgenes comparadas, el algoritmo diseado

[2]

[3]

Bibliografa:

CHANGJIANG, S; GUANGRONG,J; Recognition method of weed seeds based on computer vision; IEEE; 2009 CHTIOUI, Y; BERTRAND, D; DEVAUX, M-F; BARBA, D; Application of a Hybrid Neural Network for the Discrimination of Seeds by Artificial Vision; IEEE; 1996 EGMONT-PETERSEN, M; de RIDDER, D; HANDELS, H; Image processing with neural networksa review; Pattern Recognition; nmero 35; 2002 HASHIM, H; NAZMIE, F; MUTALIB AL JUNID,
S; ADIB HARON, M; MOHD SALLEH, H;

MARTORELLA, M; GIUSTI, E; CAPRIA, A; BERIZZI F; BATES, B; Automatic Target Recognition by Means of Polarimetric ISAR Images and Neural Networks; IEEE Transactions on Geoscience and Remote Sensing; Vol. 47; nmero 11; Noviembre 2009 MODLER, P; MYATT, T; Recognition of Separate Hand Gestures by Timedelay Neural Networks Based on Multi-state Spectral Image Patterns from Cyclic Hand Movements; IEEE International Conference on Systems, Man and Cybernetics (SMC 2008); 2008 PABAMALIE, L; PREMARATNE, H; A Grain Quality Classification System; IEEE; 2010 PAZOKI, A; PAZOKI Z; Classification system for rain fed wheat grain cultivars using artificial neural network; African Journal of Biotechnology; Vol. 10; Agosto 2011; ISSN 16845315 POLIKAR, R; Pattern Recognition; Wiley Encyclopedia of Biomedical Engineering; John Wiley & Sons, Inc; 2006 RANI, S; SARMA, T. C; SATYA, K; FACE RECOGNITION OFFICE SECURITY SYSTEM USING LAB VIEW 8.6; International Journal of Electronics, Communication & Instrumentation Engineering Research and Development (IJECIERD); Volumen 3; nmero 2; Junio 2013 SANDEEP, V; DURGA, K; KESHAVULU; Seed image analysis: its applications in seed science research; International Research Journal of Agricultural Sciences; Vol. 1; June 2013 SHA, V; JAIN, K; MAHESHWARI, C; NONDESTRUCTIVE QUALITY ANALYSIS OF KAMOD ORYZA SATIVA SSP INDICA (INDIAN RICE) USING MACHINE LEARNING TECHNIQUE; International

An Intelligent Classification Model for Rubber Seed Clones Based on Shape Features Through Imaging Techniques; International Conference on Intelligent Systems, Modelling and Simulation; 2010 JAWAD, S; FARRUKH, N; A MATLAB based Face Recognition System using Image Processing and Neural Networks; 4th International Colloquium on Signal Processing and its Applications; Kuala Lumpur; Malaysia; March 2008; ISBN: 978983-42747-9-5 JAYAS, D. S; PALIWAL, J; VISEN, N. S; Multilayer Neural Networks for Image Analysis of Agricultural Products; Journal of Agricultural Engineering Research; Vol. 77; 2000

OUYANG, A; GAO, R; LIU, Y; SUN, X; PAN, Y; DONG, X; An Automatic Method for Identifying Different Variety of Rice Seeds Using Machine Vision Technology; Sixth International Conference on Natural Computation (ICNC 2010); 2010 KARIMI, H; NAVID, H; MAHMOUDI, A; Detection of damaged seeds in laboratory evaluation of precision planter using impact acoustics and artificial neural networks; Artificial Intelligence Research, Vol. 1; No. 2; Diciembre 2012

Conference on Communication Systems and Network Technologies; 2013 SHAHIN, M; SYMONS, S; POYSA, V; Determining Soya Bean Seed Size Uniformity with Image Analysis; IAgrE; publicado por Elsevier Ltd; 2006 SUMITHA, L; Tesis: Frontal View. Human Face Detection and Recognition; Department of

Statistics and Computer Science; University of Colombo; Sri Lanka; Mayo 2000
VISEN, N. S; PALIWAL, J; JAYAS, D. S; ALGORITHM DEVELOPMENT FOR GRAIN KERNEL IDENTIFICATION; Proceedings of the 2002 IEEE Canadian Conference on Electrical & Computer Engineering; 2002 WAGNER, P; Face Recognition with GNU Octave/MATLAB; Julio 2012; en: http://www.byte_sh.de CHUMMING LI, M; Distance Regularized Level Set Evolution and its Applications to Image Segmentation. 12. Reconocimientos

Agradecemos al ingeniero Benjamn Barriga Gamarra y al ingeniero Julio Tafur Sotelo por las facilidades otorgadas para el uso del Laboratorio de Oleohidrulica y Neumtica de la Seccin de Ingeniera Mecnica de la Pontificia Universidad Catlica del Per para la realizacin de pruebas prcticas del algoritmo. Tambin agradecemos al CETAM por las facilidades otorgadas al permitirnos el prstamo de una cmara digital de uso industrial para las pruebas prcticas.