Integración de un sistema de visión por computador a un robot cartesiano controlado por un ordenador de placa de recursos computacionales limitados para la generación de trayectorias durante el proceso de repique de plantines de alcachofa en un entorno de interior

En la presente investigaci´on se desarroll´o una secuencia base de algoritmos propios de un sistema de visi´on por computador y se integraron sus resultados a un robot cartesiano marca Farmbot, de manera que fue posible automatizar el proceso de repique de plantines de alcachofa en un entorno de interior (i.e. no en un campo abierto). Como primer paso, se realiz´o una revisi´on bibliogr´afica con la finalidad de identificar los par´ametros m´as relevantes al momento de clasificar un plant´ın de alcachofa de acuerdo a su calidad. Adicionalmente se realizaron visitas a viveros especializados en la tarea de producci´on y repique de plantines hort´ıcolas, como Agrog´enesis, con la finalidad de obtener informaci´on relacionada al proceso de control de calidad y clasificaci´on de plantines de alcachofa en La Libertad. Como segundo paso se realiz´o una revisi´on bibliogr´afica respecto al estado del arte de la utilizaci´on de sistemas de visi´on por computador en la agroindustria, espec´ıficamente aquellos relacionados con el control de calidad de plantas hort´ıcolas en su etapa temprana. Tercero, se realiz´o una secuencia de calibraci´on de c´amara, utilizando el m´etodo de Zhang y un patr´on de calibraci´on del tipo patr´on de ajedrez. Cuarto, se desarroll´o una secuencia base de algoritmos de visi´on por computador con la finalidad de lograr clasificar plantines con una edad de 20 dias despu´es de la siembra, en tres clases seg´un calidad. Quinto, se utilizaron los par´ametros intr´ınsecos y extrinsecos obtenidos durante la calibraci´on de la c´amara para localizar los plantines dentro del espacio de trabajo del robot cartesiano. Finalmente, se ejecut´o el proceso de repique de plantines en 25 ocasiones, evaluando el performance del clasificador y del repique en general en t´erminos de tiempo y aciertos. Para evaluar al clasificador se consider´o como m´etrica principal al F1-Score obteniendo valores de 0.941 al clasificar plantines de clase A, 0.785 al clasificar plantines de clase B y 0.88 para plantines de clase C. Adem´as se obtuvo un porcentaje de aciertos durante el transplante (i.e. manipulaci´on correcta de plantines usando el gripper) de 20 − 30 %In the present research, a base sequence of algorithms typical of computer vision systems was developed and its results were integrated into a Farmbot Cartesian robot, so that it was possible to automate the process of classifying/transplanting artichoke seedlings in an indoor environment (i.e. not in an open field). As a first step, a bibliographic review was carried out in order to identify the most relevant parameters when classifying an artichoke seedling according to its quality. In addition, other fellows and I made visits to nurseries specialized in the tasks of producing and quality control of horticultural seedlings and, such as Agrog´enesis, in order to obtain information related to the quality control process and classification of artichoke seedlings in La Libertad. As a second step, a bibliographic review was carried out regarding the state of the art of the use of computer vision systems in the agricultural industry, specifically those related to the quality control of horticultural plants in their early stage. Third, a camera calibration sequence was performed, using the “Zhang method” and a chess calibration pattern. Fourth, a base sequence of computer vision algorithms was developed in order to classify plants with an age of 20 days after sowing, into three classes according to quality. Fifth, the intrinsic and extrinsic parameters obtained during the camera calibration were used to locate the seedlings within the workspace of the Cartesian robot. Finally, the seedling classifying/transplanting process was executed 25 times, evaluating the performance of the classifier and the transplanting process in general in terms of time and hits. In order to evaluate the classifier, the F1-Score was considered as the main metric, obtaining values of 0.941 when classifying class A seedlings, 0.785 when classifying class B seedlings and 0.88 for class C seedlings. In addition, the percentage of success obtained during transplantation (i.e. correct handling of seedlings using the gripper) had values between 20 − 30 %.Tesi