Reconocimiento de granos de café empleando técnicas estadísticas de clasificación

En este articulo se pone a prueba un metodo de clasificacion bayesiana en la identificacion de granos de cafe con tres grados de maduracion, seleccionando como caracteristicas, los valores RGB y HIV y se compara con otros clasificadores ya conocidos. En el problema de procesamiento de imagenes, se separan en K clases con una probabilidad minima de error de clasificacion, todos los parametros en cada clase son conocidos. El conjunto de parametros en cada imagen se toman como los patrones de entrada para establecer una regla de Bayes empirica que separa las K clases y conduce a un procedimiento de aproximacion estocastica para la estimacion de los conjuntos desconocidos. Esta clasificacion se puede adaptar a una metrica que adopta una mejor posibilidad de decision. Abstract This article tested a Bayesian classification method in the identification of coffeebeans with three levels of maturity, selecting as featuresRGB and HIV values and compared with other known classifiers.In the image processing problem is separated into K classes with a minimum probability of misclassification, all parameters in each class are known. The set of parameters in each image are taken as the input patterns to establish an empirical Bayes rule  separating the classes K and leads to a stochastic approximation procedure for estimating the unknown sets.