Una estrategia para la clasificación óptica de almendras (dataset)

Una estrategia para la clasificación óptica de almendras (dataset)
DOI: 10.5281/zenodo.838196

# Español

Este conjunto de datos fue generado para el trabajo «Una estrategia para la clasificación óptica de almendras» realizado por Pablo Daniel AGUADO en la Universidad Nacional de San Juan (UNSJ) en 2017 en Argentina. Contiene imágenes de objetos que típicamente se pueden encontrar en una línea de procesamiento de almendras peladas: almendras en buen estado, almendras malas, trozos de almendras, cáscaras y objetos extraños.

El conjunto principal está en la carpeta `set3` y está etiquetado manualmente. La etiqueta de «No Almendra» es confiable al 100%; las otras («Primera» y «Mala») se usaron en base a lo establecido por la norma de UNECE para el comercio de almendras peladas [1] y pueden tener un margen de error considerable. Para el conjunto `set3` el factor de escala es de 26 px/mm.

Si este conjunto de datos le resulta útil, considere citar el trabajo que lo originó:

Pablo Daniel Aguado y colegas.  «Una estrategia para la clasificación óptica de almendras». San Juan, Argentina: Universidad Nacional de San Juan. 2017

```biblatex
@Thesis{aguadopd2017,
  author      = {Aguado, Pablo Daniel and Secchi, Humberto and Orellana, Adrián and Rossomando, Francisco and Zavalla, Eduardo},
  title       = {Una estrategia para la clasificación óptica de almendras},
  institution = {Universidad Nacional de San Juan},
  year        = {2017},
  language    = {spanish},
  location    = {San Juan, Argentina},
  doi         = {10.5281/zenodo.838323},
  abstract    = {En este trabajo se diseñó y desarrolló un programa informático para la clasificación automática de almendras peladas mediante procesamiento de imágenes, analizando diversas características de forma y de color. Para ensayarlo se construyó un prototipo de sistema de visión artificial con el cual se creó un conjunto de 564 imágenes de almendras y otros objetos. El conjunto de imágenes fue etiquetado manualmente en base a las normas de la Comisión Económica de las Naciones Unidas para Europa (UNECE) para el comercio de almendras. Los resultados del clasificador desarrollado son similares a los obtenidos con algoritmos de clasificación estándar, como máquinas de soporte vectorial o Boosted Trees. Los descriptores elegidos permiten clasificar binariamente el conjunto con una exactitud global de 93 \%.},
}
```

[1]  United Nations. _UNECE standard DDP-06 concerning the marketing and commercial quality control of almond kernels_. 2003

_Pablo Aguado --- aguadopd at hotmail dot com_

## Carpetas

- calibracion: imágenes que se usaron para crear un modelo de la cámara con el cual corregir la distorsión.
- set1: 16 objetos sobre un fondo verde. Un solo lado.
- set2:  62 objetos sobre un fondo blanco. Imágenes de frente y reverso de cada objeto.
- set3: 564 objetos sobre un fondo blanco. Imágenes de frente y reverso de cada objeto + imágenes con retroiluminación de frente y reverso de cada objeto (para segmentar).  Hay archivos `.csv` con listas de archivos y etiquetas y una tabla `.xlsx` con metadatos de clasificación.
    - sindist_rec: sin distorsión y recortadas
    - sindist_rec_bin: sin distorsión y recortadas. Las imágenes retroiluminadas están binarizadas.
    - sindistorsion: originales desdistorsionadas.
    

--------------

# English

This dataset was generated for the project "A strategy for optical classification of almonds" by Pablo Daniel AGUADO in San Juan National University (UNSJ) in 2017 in Argentina. It has images of  objects that are tipically found in a shelled almond processing line: sound kernels, bad kernels, almond fragments and foreign objects.

The main dataset is in the folder `set3` and is manually tagged. The "No Almendra" (Not Almond) tag is 100% OK; the others ("Primera" [First class] and "Mala" [Bad]) are loosely based on the UNECE standard for shelled almonds [1] and may have a considerable error. The scale factor for the `set3` dataset is 26 px/mm.

If this dataset is useful for you, consider citing the following work:

Pablo Daniel Aguado et al.  «Una estrategia para la clasificación óptica de almendras». San Juan, Argentina: Universidad Nacional de San Juan. 2017

```biblatex
@Thesis{aguadopd2017,
  author      = {Aguado, Pablo Daniel and Secchi, Humberto and Orellana, Adrián and Rossomando, Francisco and Zavalla, Eduardo},
  title       = {Una estrategia para la clasificación óptica de almendras},
  institution = {Universidad Nacional de San Juan},
  year        = {2017},
  language    = {spanish},
  location    = {San Juan, Argentina},
  doi         = {10.5281/zenodo.838323},
  abstract    = {En este trabajo se diseñó y desarrolló un programa informático para la clasificación automática de almendras peladas mediante procesamiento de imágenes, analizando diversas características de forma y de color. Para ensayarlo se construyó un prototipo de sistema de visión artificial con el cual se creó un conjunto de 564 imágenes de almendras y otros objetos. El conjunto de imágenes fue etiquetado manualmente en base a las normas de la Comisión Económica de las Naciones Unidas para Europa (UNECE) para el comercio de almendras. Los resultados del clasificador desarrollado son similares a los obtenidos con algoritmos de clasificación estándar, como máquinas de soporte vectorial o Boosted Trees. Los descriptores elegidos permiten clasificar binariamente el conjunto con una exactitud global de 93 \%.},
}
```

[1]  United Nations. _UNECE standard DDP-06 concerning the marketing and commercial quality control of almond kernels_. 2003

_Pablo Aguado --- aguadopd at hotmail dot com_

## Folders

- calibracion:  images used for creating a camera model for undistorting the images.
- set1: 16 objects on a green background. One side.
- set2: 62 objects on a white background. Images of front and back of the objects.
- set3: 564 objects on a white background. Images of front and back + images of front and back with backlight (for segmentation). There are `.csv` files with lists of files and tags and a `.xlsx` table with metadata of classification.
    - sindist_rec: undistorted and cropped.
    - sindist_rec_bin: undistorted and cropped. Backlight images are binarized.
    - sindistorsion: undistorted originals.