Proyectos en los que trabajamos

Proyectos de I+D actualmente en desarrollo:

 

Titulo: VIDEO: Detección visual de las pérdidas de aceite de oliva
en una almazara mediante redes neuronales (
VIsual DEtection of the Olive-oil that is wasted as residual in an oil press by neural network)

Referencia : TIC-2003-03067  

Duración:  01-12-2003 / 30-11-2006  

Descripción: El actual sistema de dos fases para la producción de aceite de oliva en una almazara necesita controlar el porcentaje de aceite que se pierde en la salida del decánter mezclado con el alpechín y el orujo (alpeorujo). En este proyecto se pretende desarrollar un sistema inteligente basado en visión computacional para predecir dicho porcentaje de aceite tomando como información algunas características de secuencias de imágenes de alpeorujo, tales como el número de grumos (burbujas) que presentan, su tamaño, la textura, etc.,  tomadas a la salida del decánter, frente a otras alternativas existentes basadas en el análisis químico de las muestras o en infrarrojos cercanos. El sistema debe de avisar cuando el porcentaje de aceite en las muestras supere un cierto valor crítico establecido p. Por lo tanto, este problema nos lleva a desarrollar sistemas de predicción o clasificación en los que el error cometido (diferencia entre la salida deseada y la salida del sistema) depende también de la salida deseada, puesto que en los valores cercanos al valor crítico se requiere mayor precisión. Así, se trata de desarrollar modelos de redes neuronales multicapa con aprendizaje supervisado y redes neuronales cuánticas que incorporen una cierta función de precisión que dependa de la salida deseada de la red. Las redes serán entrenadas a partir de características de las imágenes muestrales cuyos porcentajes de aceite son perfectamente conocidos siguiendo las reglas de aprendizaje que se determinen. Estos sistemas son también de gran interés teórico y se podrán aplicar a muchos otros problemas de predicción. Asimismo, también se enfoca el problema como un problema de clasificación y se pretende desarrollar un sistema neuronal en el que los campos receptivos de las unidades de proceso (neuronas) estén basados en lo que hemos llamado dipolos, es decir, pares de prototipos, que conduce a sistemas de clasificación con  fronteras de decisión de decisión constituidas por tramos no lineales en lugar de lineales como los modelos tradicionales donde los campos receptivos de las neuronas son las regiones de los polígonos de Voronoi. Los dipolos se determinaran mediante un proceso de aprendizaje.