Estimación del volumen de aguacate (Persea americana) utilizando perfilamiento matemático con arduino uno y sensor ultrasónico
Barra lateral del artículo
Contenido principal del artículo
Resumen
El volumen del aguacate (Persea americana), se estimó utilizando los métodos de perfilamiento matemático y desplazamiento de agua. En el perfilamiento matemático, se emplearon imágenes digitales que se modelaron mediante funciones polinomiales en el software Geogebra, obteniendo una función promedio que se implementó en una tarjeta Arduino Uno, donde se obtiene el volumen del fruto en función de su longitud, medida por un sensor ultrasónico HCSR04. El volumen estimado fue comparado con el obtenido por desplazamiento de agua, basado en el principio físico de Arquímedes. Se aplicó la prueba estadística t para muestras pareadas y el análisis de Bland-Altman, encontrando que no existieron diferencias estadísticamente significativas entre los métodos (P > 0.05), con una diferencia promedio de 5.28 cm³ (95% CI: -2.78 cm³ a 13.33 cm³). El perfilamiento matemático, junto con su implementación en Arduino Uno, provee una solución rápida, económica y portátil para estimar el volumen de aguacates, aplicable en entornos agrícolas.
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
1. Derechos de autor
Las obras que se publican en 593 Digital Publisher CEIT están sujetas a los siguientes términos:
1.1. 593 Digital Publisher CEIT, conserva los derechos patrimoniales (copyright) de las obras publicadas, favorece y permite la reutilización de las mismas bajo la licencia Licencia Creative Commons 4.0 de Reconocimiento-NoComercial-CompartirIgual 4.0, por lo cual se pueden copiar, usar, difundir, transmitir y exponer públicamente, siempre que:
1.1.a. Se cite la autoría y fuente original de su publicación (revista, editorial, URL).
1.1.b. No se usen para fines comerciales u onerosos.
1.1.c. Se mencione la existencia y especificaciones de esta licencia de uso.
Miguel Ángel Lema-Carrera , Universidad Estatal de Milagro “UNEMI” / Universidad de las Fuerzas Armadas “ESPE” - Ecuador
https://orcid.org/0000-0001-7934-8891
Ingeniero en Electrónica y Control de la Escuela Politécnica Nacional. Máster en Física y Matemáticas en la Universidad de Castilla La Mancha, España. Con una trayectoria de más de 10 años como docente universitario en el área de ciencias exactas. Ha dirigido múltiples trabajos de titulación en ingeniería y ha liderado dos proyectos de investigación enfocados en la aplicación de tecnología en las ciencias agrarias. Su experiencia combina una sólida formación académica con una dedicación al desarrollo y transferencia de conocimientos en el ámbito de la educación superior.
Nidia Gabriela Collins-Melgar , Unidad Educativa Fiscomisional “Americano” - Ecuador
https://orcid.org/0009-0005-9181-1531
Ingeniera Agropecuaria egresada en la Universidad Estatal Península de Santa Elena con maestría en Gerencia Educativa en la Universidad Cesar Vallejo , cursando una maestría en Didáctica de la Física y la Matemáticas en la Universidad Nacional del Callao. Profesional con una trayectoria de 8 años en los sectores público y privado, con experiencia en el ámbito académico y en la aplicación práctica de conocimiento adquiridos abarcando el área de las ciencias exactas, matemáticas, física, química y Biología, además de colaborar en proyectos Agropecuarios en empresas públicas y privadas.
Alejandro Sebastián Sánchez-Mendoza , Universidad Estatal de Milagro - Ecuador
https://orcid.org/0009-0002-0618-3162
Ingeniero Mecánico egresado en la Universidad Técnica de Ambato con maestría en Energías Renovables. Profesional con una sólida trayectoria profesional en los sectores público y privado, con experiencia en el ámbito académico y en la aplicación práctica de conocimiento adquiridos abarcando el área de las ciencias exactas, matemáticas, física y química, además de colaborar en trabajos de mantenimiento mecánico, estudios termográficos y el desarrollo de energías limpias.
Citas
Abraham, J. D., Abraham, J., & Takrama, J. F. (2018). Morphological characteristics of avocado (Persea americana Mill.) in Ghana. African Journal of Plant Science, 12(April), 88–97. https://doi.org/10.5897/AJPS2017.1625
Babic, L., Matic-Kekic, S., Dedovic, N., Babic, M., & Pavkov, I. (2012). Surface area and volume modeling of the williams pear (Pyrus Communis). International Journal of Food Properties, 15(4), 880–890. https://doi.org/10.1080/10942912.2010.506020
Bland, J. M., & Altman, D. G. (1999). Measuring agreement in method comparison studies. Statistical Methods in Medical Research, 8(2), 135–160. https://doi.org/10.1177/096228029900800204
Calvache, G. (1995). Geometria plana y del espacio: geometria analitica dibujo. se.
Concha-Meyer, A., Eifert, J., Wang, H., Sanglay, G., & Meyer, C. (2018). Volume estimation of strawberries, mushrooms, and tomatoes with a machine vision system. International Journal of Food Properties, 21(1), 1867–1874. https://doi.org/10.1080/10942912.2018.1508156
FAO.2023. (2022). FAO. 2023. Principales Frutas Tropicales. Análisis del mercado. Resultados preliminares 2022. Roma. FAO.2023., 35.
Forero, M. G., Gómez, F., & Ramírez, M. (2019). Hass avocado classification by color and volume using a Kinect sensor. Applications of Digital Image Processing XLII, 11137, 465–471.
Hahn, F., & Sanchez, S. (2000). Carrot volume evaluation using imaging algorithms. Journal of Agricultural and Engineering Research, 75(3), 243–249. https://doi.org/10.1006/jaer.1999.0466
Hu, M. H., Dong, Q. L., Malakar, P. K., Liu, B. L., & Jaganathan, G. K. (2015). Determining banana size based on computer vision. International Journal of Food Properties, 18(3), 508–520. https://doi.org/10.1080/10942912.2013.833223
Huynh, T. T. M., Tonthat, L., & Dao, S. V. T. (2022). A vision-based method to estimate volume and mass of fruit / vegetable : Case study of sweet potato A vision-based method to estimate volume and mass of fruit / vegetable : Case study of sweet potato. International Journal of Food Properties, 25(1), 717–732. https://doi.org/10.1080/10942912.2022.2057528
Jadhav, T., Singh, K., & Abhyankar, A. (2019). Volumetric estimation using 3D reconstruction method for grading of fruits. Multimedia Tools and Applications, 78(2), 1613–1634. https://doi.org/10.1007/s11042-018-6271-3
Kadri Bozokalfa, M., & Kilic, M. (2010). Mathematical Modeling in the Estimation of Pepper (Capsicum annuum L.) Fruit Volume. Chilean Journal of Agricultural Research, 70(4), 626–632. https://doi.org/10.4067/s0718-58392010000400013
Koc, A. B. (2007). Determination of watermelon volume using ellipsoid approximation and image processing. Postharvest Biology and Technology, 45(3), 366–371. https://doi.org/10.1016/j.postharvbio.2007.03.010
Mon, T. O., & ZarAung, N. (2020). Vision based volume estimation method for automatic mango grading system. Biosystems Engineering, 198, 338–349. https://doi.org/10.1016/j.biosystemseng.2020.08.021
Nyalala, I., Okinda, C., Nyalala, L., Makange, N., Chao, Q., Chao, L., Yousaf, K., & Chen, K. (2019). Tomato volume and mass estimation using computer vision and machine learning algorithms: Cherry tomato model. Journal of Food Engineering, 263(July), 288–298. https://doi.org/10.1016/j.jfoodeng.2019.07.012
Orhevba, B. A., & Jinadu, A. O. (2011). Determination of Physico-Chemical Properties and Nutritional Contents of Avocado Pear ( Persea Americana M .). Academic Research International ISSN:, 1(3), 372–381. www.savap.org.pkwww.journals.savap.org.pk
Rashidi, M., Gholami, M., & Abbassi, S. (2009). Cantaloupe volume determination through image processing. Journal of Agricultural Science and Technology, 11(5), 623–631.
Silva, M. V. G., de Almeida, C., Lino, A. C. L., & Fabbro, I. M. D. (2015). Fruit volumetric determination based on moiré techniques. INMATEH - Agricultural Engineering, 45(1), 95–100.
Thomas, G. B., Weir, M. D., Hass, J., Giordano, F. R., & Korkmaz, R. (2010). Thomas’ calculus (Vol. 12). Pearson Boston.
Uribe, L.-, Alejandra, N., & Torres-garcía, B. (2019). Modelo de Aprendizaje para Arduino Uno Básico. Revista de Cómputo Aplicado, 3(10), 15–22.
Urquiza, P., Sebastián, L., Rebollar, R., Juárez, C., Martínez, H., & Tenorio, G. (2015). ANÁLISIS DE VIABILIDAD ECONÓMICA PARA LA PRODUCCIÓN COMERCIAL DE AGUACATE HASS. Revista Mexicana de Agronegocios, 36(1), 1325–1338.
Venkatesh, G. V., Iqbal, S. M., Gopal, A., & Ganesan, D. (2015). Estimation of Volume and Mass of Axi-Symmetric Fruits Using Image Processing Technique. International Journal of Food Properties, 18(3), 608–626. https://doi.org/10.1080/10942912.2013.831444
Villordon, A., Gregorie, J. C., & LaBonte, D. (2020). Direct measurement of sweetpotato surface area and volume using a low-cost 3D scanner for identification of shape features related to processing product recovery. HortScience, 55(5), 722–728. https://doi.org/10.21273/HORTSCI14964-20
Zavala de Paz, J. P., Bucio Castillo, F. J., Anaya Rivera, E. K., Isaza Bohorquez, C. A., Castillo Velásquez, F. A., & Rizzo Sierra, J. A. (2021). Estimating Volume of the Tomato Fruit by 3D Reconstruction Technique. Computacion y Sistemas, 25(4), 813–820. https://doi.org/10.13053/CyS-25-4-4043
Zhang, B., Guo, N., Huang, J., Gu, B., & Zhou, J. (2020). Computer Vision Estimation of the Volume and Weight of Apples by Using 3D Reconstruction and Noncontact Measuring Methods. Journal of Sensors, 2020. https://doi.org/10.1155/2020/5053407
Ziaratban, A., Azadbakht, M., & Ghasemnezhad, A. (2017). Modeling of volume and surface area of apple from their geometric characteristics and artificial neural network. International Journal of Food Properties, 20(4), 762–768. https://doi.org/10.1080/10942912.2016.1180533