Introducción y situación problemática

 El mate en Argentina es considerado una de las principales infusiones, muy popular y

de consumo cotidiano. Se realiza a partir de yerba mate, planta que en nuestro país
por condiciones de suelo y climáticas, se produce en la provincia de Misiones y el
nordeste de Corrientes. Estas plantas previamente secadas, cortadas y molidas forman
la yerba mate.
 El Código Alimentario Argentino (CAA) define el producto “Yerba Mate Elaborada con
Palo” cuyos componentes son hojas, polvo y palos. Ésta debe contener al menos 65%
de hojas (desecadas, rotas o pulverizadas) y a lo sumo un 35% de palo.
 El procedimiento tradicional para determinar la composición consiste en utilizar
zarandas que permiten separar las partículas que la componen según su tamaño. Lo
obtenido de la separación por tamices
 Este procedimiento fue considerado deficiente, ya que existe subestimación del
contenido, insume tiempo y requiere alta intervención manual.
 Se plantearon soluciones alternativas como el método de análisis de fibra cruda,
técnica permite una determinación más precisa, pero debe realizarse en laboratorios
equipados con instrumentos tecnológicos importantes. Y otras usando técnicas básica
de PDI.

IDEA.

 En este trabajo se propone un esquema de clasificación que contempla una etapa de

extracción de características utilizando dos métodos de análisis de texturas: Patrones
Binarios Locales (LBP, del inglés Local Binary Patterns) e Histogramas de Gradientes
Orientados (HOG, del inglés Histogram of Oriented Gradients); y una etapa de
clasificación en la que se utilizan máquinas de soporte vectorial (SVM, del inglés
Support Vector Machines). Este método mejoraría los anteriores y evitan la
manipulación de muestras.

Entonces, a partir de estos, se busca:

 Automatizar la determinación de porcentajes de palos y hojas, dejando en el pasado

los métodos manuales de zaranda. De esta manera, se logran reducir los tiempos
insumidos en la determinación de porcentaje de las muestras.
 Generación de un método de fácil implementación, que no requiera grandes
equipamientos y pueda ser escalable para futuras aplicaciones.

Materiales y herramientas

Contamos con 27 imágenes de alta resolución (2448x3264) píxeles, que conforman una base
de datos mayor, generada por investigadores del INYM. Estas imágenes son representaciones
de 3 grupos, cuyo contenido de palo es de 15, 30 y 45%. Lo cual se observa en las imágenes a
continuación.

El lenguaje de programación utilizado fue C++ con la biblioteca de código abierto OpenCV.
Metodología

Para los metodos que utilizan técnicas de descriptores, su desempeño

es evaluado utilizando esquema de validacion del tipo Leave-k-Out, con
lo cual garantizamos que todas las imagenes sean utilizadas tanto para
entrenamiento como prueba.
\item Empleamos un esquema Leave-1-out y otro Leave-3-out
estratificado.
\item Para el sistema de referencia, no se utilizo un esquema de validación, ya que
usamos todo el conjunto de imágenes.