Sistemas de Clasificación de Imágenes en Color para la Inspección de Vísceras de Aves

Se desarrolló en este estudio un sistema de clasificación de imágenes basado en neuro-difusión que utiliza características de imágenes en color de vísceras de aves en los dominios espectral y espacial. Se recolectaron imágenes en color de 320 hígados y corazones de pollos normales, con airsacculitis, cadáveres y septicemia en la planta de procesamiento avícola. Estas imágenes en el espacio de color rojo, verde y azul (RGB) fueron segmentadas y se realizó un análisis estadístico para la selección de características. Se utilizó un sistema neuro-difuso que emplea paradigmas híbridos de sistemas de inferencia difusa y redes neuronales para mejorar la robustez de los procesos de clasificación. La precisión para la separación de hígados normales de anormales osciló entre el 87.5 y el 92.5%, al utilizar dos clases de datos de validación. Para la clasificación de corazones de pollo normales y anormales, las precisiones fueron del 92.5 al 97.5%. Cuando se utilizaron modelos neuro-difusos para separar hígados de pollo en normales, airsacculitis y cadáver, la precisión fue del 88.3% para los datos de entrenamiento y del 83.3% para los datos de validación. Combinando características de hígado y corazón de pollo, se diseñó un modelo neuro-difuso generalizado para clasificar vísceras de aves en cuatro clases (normal, airsacculitis, cadáver y septicemia). La precisión de clasificación fue del 86.3% para el entrenamiento y del 82.5% para la validación.