Desarrollo de un programa en LabVIEW para determinar la longitud de la tilapia roja (Oreochromis sp)

1. RESUMEN

La Acuacultura es el cultivo de organismos acuáticos bajo condiciones

controladas por el hombre hasta su cosecha, procesamiento,

comercialización y consumo. Etimológicamente significa cultivo del agua,

referido al uso de métodos y técnicas para el manejo y control de los

recursos vivos cuya fuente de vida es el agua.

Colombia es un país que posee excelente condiciones climáticas,

topográficas e hidrológicas para desarrollar la acuacultura. Entre ellas se

destacan su localización geográfica en la zona tropical, el régimen de

temperaturas estables durante el año y los diferentes pisos térmicos con

que cuenta. Además se encuentra ubicada en el cuarto lugar en el

mundo como potencia en recursos hídricos. (Rodríguez G. Et Al 1993).

Los cultivos de peces se ha desarrollado en las últimas décadas debido

a la necesidad de contar con una fuente de alimentación segura y

suficiente para la creciente población mundial. Por lo tanto, se justifica

emprender un proyecto que involucre la adecuación de la tecnología a la

producción de peces a pequeña escala. La investigación que se

pretende realizar busca determinar la longitud de la tilapia roja

(Oreochromis sp), durante los días del cultivo.

Para desarrollar el programa se investigara las diferentes técnicas

empleadas en visión por computadora y la mejor manera de adquirir

imágenes por cámaras para el posterior procesamiento con los métodos

estudiados. Finalmente se obtendrán las longitudes medidas de peces

con márgenes de error menor al 10% lo cual indicara que nuestro

programa es eficiente.

2. PLANTEAMIENTO DEL PROBLEMA

Al igual que para la mayoría de las especies sujetas a cultivo en la acuicultura, la alimentación de la tilapia representa del 50 al 75% de los costos de producción en los sistemas semi-intensivos. Se ha comprobado que tanto la cantidad como la calidad de la dieta cambian con el desarrollo del pez y que el modo de suministrar el alimento afecta de forma directa la tasa de crecimiento y el factor de conversión alimenticia (FCA). Por lo tanto, las estrategias óptimas de alimentación mejoran el crecimiento, supervivencia, y el FCA y ayudan a reducir al mínimo el desperdicio de alimentos, reducen la variación del tamaño y favorecen la eficiencia de la producción (Vega Villasante Et Al 2011).

Para realizar un buen cultivo y tener una buena rentabilidad económica es importante mantener un control sobre el parámetro que quizás resulta ser el más costoso, que es el consumo alimenticio. Aun cuando se conozcan todos los hábitos alimenticios y cuanto puede consumir una población, de acuerdo al crecimiento resulta mucho más importante ajustar las dietas. (Rodríguez Gómez Et Al 1.993).

El método más exacto y más utilizado en cultivos acuícola es el muestreo de población, este método nos permite conocer aspectos como: estado general de peces, estimar sobrevivencia, conocer su talla y peso, pero es un método que debido a su proceso de captura somete a los animales a un largo periodo de estrés debido a su manipulación; y una pérdida de tiempo de operarios en la ejecución de dicho método para poder llevar a cabo un buen ajuste de la dieta que finalmente se le suministrará a la población total.

3. JUSTIFICACION.

En Colombia el desarrollo acuícola se debe fundamentalmente a la piscicultura continental, la cual se lleva a cabo principalmente con tres especies: tilapia, cachama y trucha. No obstante, a pesar del importante

desarrollo en su conocimiento, aún existen grandes vacíos que requieren ser abordados para que su cultivo sea cada vez más eficiente. (Landines M. 2011).

El Reconocimiento de Imágenes digitales es ampliamente utilizado en la industria y en la agroindustria para hacer conteos como por ejemplo: en la industria avícola, conteo de huevos, en las cadenas frutícolas selección de frutas dañadas, en la industria arrocera para analizar la morfo-colorimetría de variedades de arroz etc. (Méndez Camelo. Et Al.). Este método de reconocimiento de imágenes digitales a la fecha no se ha encontrado documentación bibliográfica veraz y confiable que nos indique que se está utilizando actualmente en el sector acuícola especialmente relacionado con los métodos para ajustar las dietas de los cultivos.

Por tal motivo el desarrollo de este proyecto investigativo brindará al sector acuícola colombiano una herramienta nueva e innovadora, para medir la longitud de la tilapia roja (Oreochromis sp) disminuyendo así notoriamente las causas que producen estrés por la manipulación de los animales al momento de ajustar dietas.

4. ESTADO DEL ARTE

En 1870 el reconocimiento de imágenes comienza cuando el scanner de retina desarrollado por C. R. Carey de Boston, más tarde P. Nipkow desarrolló otro lector, que fue el precursor de las cámaras de televisión, seguido a esto, Emmanuel Golberg en Chicago convirtió el texto analizado en código Morse.

Alrededor de los años 50 compañías como IBM y Bell Laboratories invirtieron mucho tiempo y dinero en investigaciones para desarrollar dispositivos lectores. En 1954, Jackob Rabinow desarrolló un prototipo que era capaz de leer letras mayúsculas de máquina de escribir a velocidades de un carácter por minuto.

El procesamiento digital de imágenes aparece tardíamente en lo finales de los años 70, esto debido a que antes había que desarrollar el hardware y los sistemas operativos gráficos que permitieran hacerlo. En 1978, INTEL diseño un “procesador analógico de señales”, que consistía de un chip ADC/DAC que no tuvo éxito en el mercado.

En 1979, Bell Labs desarrollo el Mac 4 Microprocessor, primer chip procesador digital de señales (DSP). Luego en 1980 Texas Instruments, produjo un DSP que podía trabajar con otros dispositivos similares (cámaras, teléfonos móviles, etc). El procesamiento digital de imágenes (PDI) es un sistema integrado para procesar las imágenes en tiempo real de manera digital por medio de un computador. Su desarrollo incluye estudios de física, matemáticas, ingeniería eléctrica, computación. La teoría se fundamenta en la adquisición y despliegue de imágenes y con detalle en los fundamentos teóricos y algorítmicos del procesamiento como tal.

Por otro lado, la Visión Artificial (o visión computacional) se define como los procesos de obtención, caracterización e interpretación de información de imágenes. La primera vez que se hizo uso de las técnicas de imágenes digitales fue en los años veinte, en la transmisión de imágenes de fotografías periodísticas a través de cable submarino entre Londres y New York en tonos de grises. Entre los años 50-60, aparecen los primeros computadores digitales y la necesidad de disponer de técnicas para la transmisión y procesamiento de imágenes desde satélite, donde Jet Propulsión Laboratory (EE.UU.), fue el encargado del procesamiento de las imágenes enviadas por los primeros satélites de la carrera espacial.

El instituto nacional de salud en EE.UU junto al Massachusetts Institute of Technology  (MIT) y la Universidad de Stanford dedicó considerable esfuerzo al estudio de imágenes de rayos X, microscopía óptica y microscopía electrónica, trabajaron durante los setenta en temas de visión aplicada a robótica bajo el proyecto Hand-Eye.

En los ochenta las técnicas de procesamiento y análisis de imágenes digitales fueron abordados por en los siguientes trabajos : (Castleman, 1979), (Duda y Hart, 1973), (Fu, 1982), (González y Wintz, 1979), (Herman, 1980), (Marr, 1982), (Rosenfeld y Kak, 1982) y (Serra, 1982).

National Instruments (NI) en EE.UU ha sido en los últimos 30 años líder en medición y automatización, con plataformas flexibles de hardware y software para ingenieros y científicos alrededor del mundo. En los 90, NI agregó visión artificial a su línea de producción, software de adquisición de imágenes y miles de cámaras inteligentes, así como cientos de librerías de procesamiento de imágenes con aplicaciones industriales de visión artificial. El módulo de Vision Development de la National Instruments es una poderosa librería de visión artificial con funciones

que incluye detección de bordes, análisis de partículas, reconocimiento y verificación óptico de caracteres, soporte para códigos de barra en una y dos dimensiones, reconocimiento geométrico y de patrones, y herramientas de color. Este módulo trabaja con el software NI LabVIEW, así como con C, C++, Microsoft Visual Basic, Microsoft .NET, Matlab.

5. OBJETIVO GENERAL

Desarrollo de un programa en LabVIEW para la determinación de la longitud de la tilapia roja en un pequeño estanque mediante el método de reconocimiento de imágenes digitales.

5.1. OBJETIVO ESPECIFICOS.

1. Determinar los mejores parámetros para tomar fotos bajo el agua.

2. Evaluar la mejor manera de adquirir imágenes por cámaras digitales

para el posterior procesamiento con los métodos estudiados.

3. Determinar la longitud de la tilapia roja.

6. MARCO TEORICO

6.1 RECONOCIMIENTO DE IMAGENES

6.1.1 Imagen digitalizada:

Una imagen digitalizada se caracteriza por poder ser representada mediante una serie de dígitos binarios. Es decir, cualquier imagen digital se puede almacenar en un formado por una larga secuencia como el siguiente tipo: “100101010100001110010010110100111101010“(González Rafael. Et Al 2.006).

6.1.2 Adquisición digital de imagines:

Digitalización de una imagen, es convertir una imagen analógica en una serie de dígitos (código binario de 0's y 1's) que pueden ser manejados por una computadora, para facilitar la manipulación y aumentar la calidad de la imagen. (Hernández, Carlos. 2.007)

6.1.3 La cámara digital:

La cámara digital captura imágenes de calidad instantáneas sin la necesidad de un revelado tradicional. La cámara digital cuenta con varios elementos computacionales tales como chips y circuitos. Estos elementos trabajan en conjunto para calcular una exposición idónea al mismo tiempo que logran un enfoque nítido. Al pasar la luz por el lente cae sobre las células sensibles CCD las cuales dirigen la información al procesador de la cámara. El dispositivo CCD se encuentra directamente dentro del lente y dentro del cuerpo de la cámara, es un chip de células fotosensibles las cuales emiten una carga eléctrica cuando la luz cae sobre ellas. (Hernández, Carlos. 2.007)

6.1.4 El procesamiento digital de imágenes (PDI):

Es el procedimiento para procesar las imágenes del mundo real de manera digital por medio de un computador. Es un tema muy amplio, en el que se incluyen estudios de física, matemáticas, ingeniería eléctrica, computación. (Hernández, Carlos. 2.007)

6.1.5 El reconocimiento en interpretación de imágenes:

Es el proceso que identifica las imágenes, como por ejemplo: una llave, un tornillo, moneda, coche, etc. (Hernández, Carlos. 2.007)

6.1.6 Software:

Es un entorno de computación y desarrollo de aplicaciones totalmente integrado orientado para llevar a cabo actividades en donde se encuentren implicados elevados cálculos matemáticos y la visualización gráfica de los mismos. El software integra procesamiento de datos, visualización gráfica en un entorno amigable al usuario, procesamiento de palabras tal como el Microsoft Word. (Hernández, Carlos. 2.007)

6.1.7 La Visión Artificial (o visión computacional)

Puede ser definida como los procesos de obtención, caracterización e interpretación de información de imágenes tomadas de un mundo tridimensional y procesado del mundo real de manera digital por medio de un computador. (Jonathan Cruz 2013)

6.1.8 Visión Acquisition de Nacional Instruments:

Este software ofrece manejadores y llamadas a funciones para adquirir imágenes de cámaras conectadas a tarjetas o IEEE 1394 o USB de un PC o computadora portátil. Este software incluye Visión Development es una poderosa librería de visión artificial con funciones incluyendo detección de bordes, análisis de partículas, reconocimiento y verificación óptico de caracteres, soporte para códigos de una y dos dimensiones, reconocimiento geométrico y de patrones, y herramientas de color. Este módulo trabaja con el labVIEW 2012. (Jonathan Cruz 2013)

7. METODOLOGÍA

Adquisición y digitalización de imágenes

Se trabajara con una cámara digital con una adaptación para poderla introducir a los estanques donde se cultivarán las tilapias. La cámara se interfazará a un PC, vía puerto USB o IEEE 1394 para la adquisición y digitalización de las imágenes durante la ejecución del proyecto. La digitalización de la imagen se realizara por medio de las herramientas desarrolladas para esta función y que vienen con el módulo de visión de la National Instruments, este módulo contiene las librerías de NI-IMAQ que funciona con la versión de LabVIEW 2012.

Reconocimiento de Imágenes

Teniendo la imagen digitalizada y por medio del módulo de Visión de National Instruments se implementara un algoritmo que individualizara una tilapia de su entorno, extrayéndose la silueta del animal.

Medición de la longitud de la tilapia roja mediante el proceso de reconocimiento de imágenes digitales.

Determinar la longitud de la silueta digitalizada de la tilapia roja con un porcentaje de error del 10%.

8. RESULTADOS ESPERADOS:

Determinar la longitud de la tilapia roja con un porcentaje de error del 10 %.

9. IMPACTOS ESPERADOS

Mostrar la viabilidad del uso de herramientas de automatización, como es, la digitalización y análisis de imágenes en piscicultura. Un problema de investigación nuevo o poco conocido, con lo que UNICOMFACAUCA se convertirá pionera en este campo constituyendo el preámbulo para futuras investigaciones. Por otro lado se espera que a futuro, una vez probado este programa pueda ser aplicado a las condiciones de la región y del país, contribuyendo al mejoramiento de la competitividad de la cadena productiva piscícola.