Medidor de Humedad para Gramneas con Procesamiento Digital de Imgenes Termogrficas.
Ronier Francisco Conde Jimnez, ngel Ubaldo Masaco Pinta, Juan Carlos Torres Salinas ronierconde@gmail.com angel14star@hotmail.es juank170691@yahoo.com Ingeniera en Electrnica y Telecomunicaciones, Universidad Nacional de Loja. Loja, Ecuador.
Summary -. The present study is based on the determination of moisture through the digital processing of thermographic images, using a thermal imaging camera to obtain the image of the sample to be processed with MatLab to determine the curve moisture characteristic vs. average of pixels a specific grass (yellow corn).
Keywords -. Pixel, humidity, average
Resumen.- El presente estudio se basa en la determinacin de la humedad a travs del procesamiento digital de imgenes termogrficas, utilizando una cmara trmica para obtener la imagen de la muestra la que ser procesada con MatLab para determinar la curva caracterstica humedad vs media de pixeles de una gramnea especfica (maz amarillo).
Palabras clave.- Pixel, humedad, media
I. INTRODUCCIN.
a humedad es un factor fundamental en el almacenamiento, comercializacin, y cultiv de gramneas. Existen varios mtodos para realizar las mediciones, estos pueden ser directos o indirectos.
Los mtodos directos son los ms precisos y complicados de realizar se caracterizan por destruir la muestra, los mtodos indirectos son ms vulnerables al error y rpidos de realizar, no daan la muestra. Estos mtodos son de costo elevado y tienen limitaciones en el rango de medida, un medidor universal de humedad est en el rango de 8%-21% de humedad segn la Organizacin de las Naciones Unidas para la Agricultura y la Alimentacin, FAO (Food and Agriculture Organization por sus siglas en Ingls).
Para realizar una expansin del rango de medicin a bajo costo y fiable se puede utilizar procesamiento digital de imgenes termogrficas, este puede ser un proceso rpido y fiable. Adems ofrece otras ventajas: determinacin del tamao, color y temperatura de las muestras, factores que son importantes en las gramneas.
Existe una gran variedad de gramneas, sus caractersticas son diferentes por lo que su humedad en iguales condiciones como: temperatura, presin atmosfrica y altura sobre el nivel del mar es diferente, al realizar un estudio de humedad de gramneas se trata por separado a cada una. Se puede generalizar un mtodo de tratamiento digital de imgenes el cual nos permita encontrar la curva caracterstica humedad vs media de pixeles de cada una de las gramneas.
Por qu medir humedad?
La humedad es uno de los factores ms importantes que afectan a las gramneas. Gramneas secas y sanas puede ser almacenada apropiadamente por muchos aos, en tanto, que gramneas hmedas se pueden deteriorar en tan solo unos cuantos das.
Es bien conocido que el tiempo de almacenamiento de gramneas disminuye a medida que el contenido de humedad aumenta. As como que el contenido de humedad ha tenido un efecto determnate en el predominio y en la actividad de insectos y hongos durante el almacenamiento.
L II. DESARROLLO
El desarrollo del proyecto se divide en tres etapas generales como se muestra en la figura.1. De acuerdo con el periodo del desarrollo del proyecto (marzo-julio) y nuestra ubicacin geogrfica el elemento de estudio elegido para este proyecto es la gramnea de maz amarillo. Esta gramnea se cultiva en las zonas agrcolas de la provincia de Loja.
Figura.1 Etapas generales del proyecto. Realizado: Los autores
En la figura.2 se presenta el diagrama de flujo que es utilizado para el procesamiento digital de imgenes termogrficas de las muestras de gramneas.
Figura.2 Diagrama de flujo del procesamiento de la imagen. Realizado: los autores
Adquisicin de muestras
Las muestras de la gramnea se adquirieron a travs del Ministerio de Industrias y Productividad (MIPRO), las mismas que fueron recolectadas en las diferentes zonas productoras de gramnea de provincia de Loja.
El nmero de muestras adquiridas es de 50, con las siguientes caractersticas:
Peso promedio de la muestra: 1000g
Rango de humedad de la muestra: 12%-25%
Temperatura de la muestras: 19C-22C
Figura.3 Muestras de gramnea Realizado: Los autores
Procesamiento de muestras
El procesamiento de las muestras se subdivide de manera general como se muestra en la figura.4.
Figura.4 Bloque de procesamiento de muestras. Realizado: Los autores
A. Captura de imagen
La imagen de la muestra de gramnea se la obtiene a travs de una cmara trmica modelo PCE-TC2 propiedad de la UNL. Los factores que influyen en la obtencin de la imagen son: Distancia entre la muestra y la cmara, distancia mnima permitida 50cm. Tiempo de estabilizacin, 1minuto. Temperatura ambiente. Movimiento de la cmara Captura de imagen Transformacin de imagen Proceso estadstico Procesamiento digital la imagen Adquisicin de muestras Procesamiento de muestras Resultados obtenidos Tomando en cuenta estos factores se construy un soporte de base metlica para dicha cmara como se muestra en la figura.5
El soporte base fue diseado y construido en el taller mecnico de la de Carrera en Electromecnica de la UNL, puede variar la distancia entre la muestra y la cmara adems puede girar la cmara facilitando la calibracin de misma.
Figura.5 Soporte para cmara trmica Realizado: los autores
B. Transformacin de imagen
La imagen de la muestra de gramnea obtenida a travs de la cmara trmica se presenta en la figura.6. Esta imagen se guarda en formato .bmp y puede ser reconocida por el software MatLab.
En el software MatLab se recorta la imagen para utilizar solo la parte del espectro de temperatura que proporciona la cmara trmica, y a su vez esta parte de la imagen es transforma a una matriz, que contiene los valores promedios de cada uno de los pixeles en formato RGB y su rango de valor varia de 0 a 255.
Figura.6 Imagen de gramnea (maz amarillo) Realizada: los autores
El tamao estndar de la imagen original producida por la cmara trmica es de 400x736 pixeles. Y el recorte que se utiliza para el procesamiento del espectro de temperatura es de 368x368 pixeles. C. Procesamiento digital de la imagen
Se analiza varios mtodos de procesamiento digital de imgenes conocidos, los cuales no son viables para aplicarlos a este proyecto, debido a que en todos los mtodos se pierden informacin.
Despus de analizar detenidamente cada uno de los mtodos se opt por indagar la matriz de pixeles como una matriz de datos particulares numricos que varan entre 0 y 255. Se analiza la matriz columna por columna discriminando simplemente los datos con valor igual a cero y restando al nmero de datos totales. Debido a que se cuenta con una matriz de 368x368 que nos da 135424 valores de pixeles diferentes de la matriz, se puede graficar como se muestra en la figura.7
Figura.7 Datos de la matriz graficados. Realizado: Los autores
Estos datos (valores de los pixeles), son reducidos a 368 en el primer anlisis, donde se encuentra el promedio de cada columna, esto se muestra en la figura.8. Luego se encuentra el promedio de la fila que contiene los promedios de columnas, de manera similar discriminando los datos que contengan valores iguales a cero.
Figura.8 Promedio de columnas Realizado: Los autores
Este promedio es el que se utiliza para determinar la base de datos de valor medio de pixeles y posteriormente encontrar la curva caracterstica humedad vs media de pixeles. El proceso se realiza con cada una de las imgenes de las muestras por separado. As cada una de las muestras tienes un valor diferente de media de pixeles.
D. Proceso estadstico
Se analiza cada imagen de la muestra una a una para obtener el valor medio de los pixeles en el interfaz grfica de MatLab creada como se muestra en la figura.9 y a la misma muestra se mide la humedad con el medidor universal propiedad del Banco de Germoplasma de la UNL el mismo que est programado para tres tipos de gramneas (maz, arroz y soya). Este instrumento se utiliza para determinar la base de datos de la humedad, la variacin de error del medidor es de + 0.5 y se muestra en la figura.10.
Figura.9. Obtencin de la media de pixeles. Realizado: Los autores
Figura.10. Medidor universal de humedad Wile 55 Realizado: Los autores
Obtencin de resultados
Luego del anlisis realizado a las imgenes de las muestras se obtuvo las bases de datos de media de pixeles y humedad. Los datos se revisaron y discriminaron para obtener los valores ms relevantes no repetidos, concluyendo que los ms idneos para trabajar son, solo 16 que se muestran en la tabla.1.
Estos datos se analizan y se determina que varan de una forma exponencial, correspondiendo a la ecuacin (1).
MUESTRA HUMEDAD MEDIA DE PIXELES 1 13,5 100 2 14,8 105,6815 3 14,9 106,0655 4 15,2 107,44 5 15,4 107,5 6 15,9 108,94 7 16 109,33 8 16,1 112,23 9 16,2 109,56 10 16,2 110,5682 11 17,1 119,7776 12 19,2 137,0723 13 19,2 140,2726 14 19,2 140,8082 15 19,6 141,3257 16 20,3 142,3955 Tabla.1 Datos de humedad y media de pixeles Realizada: Los autores
Los parmetros a, b, c, d se obtienen con la ayuda del toolboox de MatLab cftool como se muestra en la figura.11. Los datos que han sido tabulados se cargan directamente a MatLab desde Microsoft Excel como vectores columnas.
Figura.11 Toolbox cftool de matlab Realizado: Los autores
Para la curva caracterstica de la gramnea en estudio con las muestras analizadas los parmetros son:
a = 6.571 b = 0.007795 c = 0 d = -0.4907 Estos valores son exclusivos de la gramnea de maz amarillo y no se puede utilizar para ninguna otra gramnea.
III. ANLISIS DE RESULTADOS
Los resultados obtenidos se enmarcan en el objetivo del trabajo realizado, se ha obtenido una curva caracterstica de humedad vs pixeles. Esta curva es utilizada para obtener la humedad, la cual presenta un margen de error de 0.4% si el rango de humedad varia del 10% - 21% de humedad, este margen de error puede incrementarse al 0.8% si el rango de humedad vara entre 22% - 30%, superior a este rango de humedad el error puede variar pero aun as es bastante aceptable para relazar mediciones.
Para observar de mejor manera el comportamiento de la curva se grafica el resultado en la figura.12.
Figura.12 Curva de gramnea de maz amarillo. Realizado: Los autores
Ventajas del diseo.
La principal ventaja que podemos presentar es la ampliacin del rango de medicin aumentada en un 9% sobre el medidor universal que solo alcanza una medicin del 21%, mientras que el diseo alcanza un 30% de humedad. Este es un rango idneo debido a que la gramnea de maz amarillo en el momento de pos-cosecha se encuentra en un rango de humedad del 19%-30%.
Permite el fcil y rpido almacenamiento de los datos obtenido que se almacenan directamente en el ordenador, acelerando el tiempo de procesos estadsticos y transferencia a bases de datos generales.
Tabla.2 Tabla normalizada humedad vs media de pixeles. Realizado: los autores
IV. CONCLUSIONES
El procesamiento digital de imgenes presenta un alternativa fuerte y robusta para incursionar en el campo del Germoplasma, en particular en las gramneas se puede determinar la mayora de caractersticas color, tamao, humedad y temperatura.
La humedad de las gramneas vara dependiendo de la especie, sin embargo con el mismo procedimiento del proceso digital de la imagen se puede determinar las diferentes curvas caractersticas de cada especie de gramneas.
La curva obtenida es de alta robustez y es bastante aceptable en aplicaciones a pequea escala, aun as se puede mejorar aumento variables a la curva caracterstica, una variable ms puede ser la temperatura ambiente.
[1] Perdidas mermas y deterioros de los granos en la post- cosecha (P.C.). DEPOSITO DE DOCUMENTOS DE LA FAO. 13-04-2014 Disponible en: http://www.fao.org/wairdocs/x5408s/x5408s02.htm
[2]Mayer, D. E. Yanucci, 2000. Secado, Libro de Actualizacin N 1. Granos & Postcosecha Latinoamericana, de la Semilla al Consumo. Buenos Aires. pp. 201.
[3] A. Domingo Ajenjo, Tratamiento digital de imgenes, Anaya, Madrid, 1993.
[4] Crespo Juan, Duro Richard and Lopez Fernando, Gaussian Synapse ANNs in Multi- and Hyperspectral Image Data Analysis, IEEE transactions on instrumentation and measurement, vol. 52, no. 3, pp. 724- 732, Jun 2003.
COLABORADORES: Ing. Mags. Diego Orellana diego1_o@yahoo.com Coordinador de la Carrera en Ingeniera y Telecomunicaciones de la UNL. Tutor de la unidad de Procesamiento Digital de Seales. Ec. Agp. HERNAN MESA y Ec. Agp. JOSE ANDRES POLO . hmesa@magap.gob.ec jose_andres_polo@hotmail.com Responsables del proyecto denominado Calidad de produccin del maz en la regin sur del Ecuador que es desarrollado por el MIPRO. Ing. Agp. Anbal Ruiz Snchez anibalruiz1@hotmail.es Responsable del Banco de Germoplasma de la UN.L
Ronier Conde Jimnez, Nacido en Loja 19 de junio del 1991. Estudios primarios y segundarios la Unidad Educativa Santa Juana de Arco LA SALLE. En la actualidad estudiante de Ingeniera en Electrnica y Telecomunicaciones en la Universidad Nacional de Loja.
ngel Masaco Pinta, Nacido en Loja 21 de mayo 1990. Estudio primario en la Escuela Fiscal Mixta Benjamn Ayora Cueva. Estudios segundario en el Colegio Experimental Bernardo Valdivieso. En la actualidad estudiante de Ingeniera en Electrnica y Telecomunicaciones en la Universidad Nacional de Loja. Juan Carlos Torres Salinas. Nacido en Cariamanga el 17 de junio 1991. Educacin Primaria y Segundaria Unidad Educativa Ms. Santiago Fernndez Garca. En la actualidad estudiante de Ingeniera en Electrnica y Telecomunicaciones en la Universidad Nacional de Loja.