Elementos deceleradores para transferencias en ángulo recto en líneas de manipulación de fruta.

Characterization of a 90° Transfer Point in a Fruit Packing Line. Characteristics of the impacts suffered by the fruit on a transfer point of an experimental fruit packing line were analysed. The transfer is made up by two transporting belts at different heights forming an angle of 90°. Different tests were carried out to study the effect of transfer height, velocity, belt structure and padding on the acceleration values recorded by an instrumental sphere (IS 100). Results showed that transfer height and belt structure affect mainly impact values on the belt base, and padding affects mainly impact values registered in lateral impact. Two powered transfer decelerators were tested at the same point with the aim of decreasing impacts suffered by the fruit.

Estudio metrológico de un sensor de impacto no destructivo para la determinación de firmeza de frutas en líneas de confección.

A non destructive impact sensor to measure fruit firmness has been installed on the sizer chain of an experimental fruit packing line. The sensor measures the fruit firmness related to the acceleration-time curve supplied by an accelerometer attached to an impacting arm. The sensor works correctly at a speed of 5 to 7 fruits per second. Ratio A/t (maximum acceleration value divided by its corresponding time), mean, and maximum slopes of the curves supplied by the accelerometer, were well correlated with the firmness data obtained in laboratory with the load-unload test. The accelerometer signal allows the classification of the fruit in three levels of firmness, by means of a specific software.

Determination of firmness in a fruit packing line using a non destructive impact sensor.

The increasing of quality fruit demanded by the consumers is originating an advance in the development and application of sensors capable of measuring parameters of quality (sugar, acids, firmness, etc) on a non destructive way. Some of these sensors are already operative for their use in laboratory and even in lines. The Physical Properties laboratory of the Polytechnic University of Madrid, is developing different sensors for their implementation in lines. One of them is a non destructive impact sensor to measure fruit firmness.

Usando Kinect como sensor para una pulverización inteligente.

Este trabajo esta orientado a resolver el problema de la caracterización de la copa de arboles frutales para la aplicacion localizada de fitosanitarios. Esta propuesta utiliza un mapa de profundidad (Depth image) y una imagen RGB combinadas (RGB-D), proporcionados por el sensor Kinect de Microsoft, para aplicar pesticidas de forma localizada. A través del mapa de profundidad se puede estimar la densidad de la copa y a partir de esta información determinar qué boquillas se deben abrir en cada momento. Se desarrollaron algoritmos implementados en Matlab que permiten además de la adquisición de las imágenes RGB-D, aplicar plaguicidas sólo a hojas y/o frutos según se desee. Estos algoritmos fueron implementados en un software que se comunica con el entorno de desarrollo "Kinect Windows SDK", encargado de extraer las imágenes desde el sensor Kinect. Por otra parte, para identificar hojas, se implementaron algoritmos de clasificación e identificación. Los algoritmos de clasificación utilizados fueron "Fuzzy C-Means con Gustafson Kessel" (FCM-GK) y "K-Means". Los centroides o prototipos de cada clase generados por FCM-GK fueron usados como semilla para K-Means, para acelerar la convergencia del algoritmo y mantener la coherencia temporal en los grupos generados por K-Means. Los algoritmos de clasificación fueron aplicados sobre las imágenes transformadas al espacio de color L*a*b*; específicamente se emplearon los canales a*, b* (canales cromáticos) con el fin de reducir el efecto de la luz sobre los colores. Los algoritmos de clasificación fueron configurados para buscar cuatro grupos: hojas, porosidad, frutas y tronco. Una vez que el clasificador genera los prototipos de los grupos, un clasificador denominado Máquina de Soporte Vectorial, que utiliza como núcleo una función Gaussiana base radial, identifica la clase de interés (hojas). La combinación de estos algoritmos ha mostrado bajos errores de clasificación, rendimiento del 4% de error en la identificación de hojas. Además, estos algoritmos de procesamiento de hasta 8.4 imágenes por segundo, lo que permite su aplicación en tiempo real. Los resultados demuestran la viabilidad de utilizar el sensor "Kinect" para determinar dónde y cuándo aplicar pesticidas. Por otra parte, también muestran que existen limitaciones en su uso, impuesta por las condiciones de luz. En otras palabras, es posible usar "Kinect" en exteriores, pero durante días nublados, temprano en la mañana o en la noche con iluminación artificial, o añadiendo un parasol en condiciones de luz intensa.

Variability of Arundo donax growth in dry-farming as a function of soil properties

Arundo donax L., commonly known as giant reed or arundo, is a perennial rhizomatous grass that has been studied since the decade of 1980 for bioenergy. In the Mediterranean region -characterised by dry and hot summers- arundo is usually grown with the support of irrigation. However, there is evidence that this plant species can tolerate dry-farming conditions once the crop is fully established. In this work the variation observed in plant growth of a 5-year-old arundo crop when the management changed from irrigated to dry-farming, is assessed. The hypothesis underlying this work was that punctual variations of soil properties might be responsible for the differences observed in plant growth