Reconocimiento de granos de café empleando técnicas estadísticas de clasificación

Resumen

En este artículo se pone a prueba un método de clasificación bayesiana en la identificación de granos de café con tres grados de maduración, seleccionando como características, los valores RGB y HIV y se compara con otros clasificadores ya conocidos. En el problema de procesamiento de imágenes, se separan en K clases con una probabilidad mínima de error de clasificación, todos los parámetros en cada clase son conocidos. El conjunto de parámetros en cada imagen se toman como los patrones de entrada para establecer una regla de Bayes empírica que separa las K clases y conduce a un procedimiento de aproximación estocástica para la estimación de los conjuntos desconocidos. Esta clasificación se puede adaptar a una métrica que adopta una mejor posibilidad de decisión.

Abstract

This article tested a Bayesian classification method in the identification of coffeebeans with three levels of maturity, selecting as featuresRGB and HIV values   and compared with other known classifiers.In the image processing problem is separated into K classes with a minimum probability of misclassification, all parameters in each class are known. The set of parameters in each image are taken as the input patterns to establish an empirical Bayes rule  separating the classes K and leads to a stochastic approximation procedure for estimating the unknown sets.