Sistema semiautomático para la clasificación, empaque en caja de exportación y monitoreo post-cosecha de hortensias

Abstract

RESUMEN: En este trabajo de grado se presenta el desarrollo de un prototipo de un sistema semiautomático para la post-cosecha de hortensias con el fin de aportar a la tecnificación de este sector. Las funciones en post-cosecha que cumple el prototipo son clasificación, empaque en caja de exportación y monitoreo de acuerdo con las necesidad de las floricultoras del Oriente Antioqueño. En el trabajo se describe el prototipado de un manipulador robótico de seis grados de libertad para cumplir con la tarea de empaque. Se describe un prototipo de sistema de clasificación de hortensias según su tipo para flores Select, Mini o Select Blue mediante la utilización de redes neuronales convolucionales con python, tensorflow y OpenCV. Se describe un protitpo de sistema de monitoreo de la salud de las flores por medio del cálculo del índice de vegetación NDVI, implementado en python y OpenCV. Finalmente se desarrolla un aplicativo gráfico para el control de la maquina, seguimiento del índice NDVI y visualización de estadísticas de la maquina.

ABSTRACT: Colombia’s geographical conditions have given it a privileged position for growing flowers, which has helped the country to occupy second place worldwide in flower production behind the Netherlands. However, the flower growing sector presents difficulties such as personnel instability and the lack of technology in the sector, which hinder the country’s competitiveness with respect to other producing countries. This degree work presents the development of a prototype of a semi-automatic system for the post-harvest of hydrangeas in order to contribute to the technification of this sector. The postharvest functions of the prototype are classification, packing in export boxes and monitoring according to the needs of the flower growers of Eastern Antioquia. The work describes the prototyping of a robotic manipulator with six degrees of freedom to fulfill the packing task. A prototype of a hydrangea classification system according to its type for Select, Mini or Select Blue flowers is described using convolutional neural networks with Python, tensorflow and OpenCV. A proposed system for monitoring the health of flowers by calculating the NDVI vegetation index, implemented in Python and OpenCV. Finally, a graphical application for machine control, NDVI monitoring and visualization of machine statistics is developed