%0 Journal Article
%T Identificaci¨®n del cilindro nudoso en im¨¢genes TC de trozas de Pinus radiata: Estudio Comparativo Identification of knotty core in Pinus radiata logs from CT images: Comparative Study
%A Gerson Rojas Espinoza
%A Oscar Ortiz Iribarren
%J MADERAS : Ciencia y Tecnolog¨ªa
%D 2012
%I Universidad del B¨ªo-B¨ªo
%X El objetivo de este estudio fue comparar la precisi¨®n de los algoritmos de m¨¢xima verosimilitud (MV) y otro basado en redes neuronales artificiales (RNA), en la identificaci¨®n del cilindro nudoso a partir de im¨¢genes TC (Tomograf¨ªa Computarizada) de trozas podadas de pino radiata (Pinus radiata D.Don). Para este fin, treinta trozas podadas fueron seleccionadas y luego escaneadas en un esc¨¢ner m¨¦dico multi-slice de rayos X (Tomograf¨ªa Computarizada). Del total de im¨¢genes TC obtenidas del esc¨¢ner, 270 fueron seleccionadas para este estudio. Estas im¨¢genes TC fueron clasificadas utilizando ambos algoritmos y los mapas tem¨¢ticos obtenidos de este proceso, fueron posteriormente filtrados utilizando un filtro median de 7 x 7. Los resultados de la evaluaci¨®n cuantitativa indicaron que el cilindro nudoso puede ser identificado con una precisi¨®n de 98.5 % y 96.3 % utilizando el clasificador MV y RNA, respectivamente. Aunque ambos algoritmos presentaron elevados valores de precisi¨®n para identificar el cilindro nudoso, el an¨¢lisis estad¨ªstico de estos resultados arrojo diferencias significativas entre ambos valores de precisi¨®n; por lo tanto se concluye que el algoritmo de m¨¢xima verosimilitud presenta un mejor desempe o que el algoritmo basado en redes neuronales artificiales, en la identificaci¨®n del cilindro nudoso en im¨¢genes TC de trozas de pino radiata (Pinus radiata D.Don). The aim of this study was to compare the accuracy of both the maximum likelihood classifier (ML) algorithm and another one based on an artificial neural networks classifier (ANN) algorithm for knotty core identification in CT images of pruned radiata pine (Pinus radiate D. Don) logs. For this purpose, thirty pruned radiata pine logs were chosen and then scanned in an X-ray multi-slice medical scanner (Computed Tomography (CT)). From the total CT images obtained, a sample of 270 CT images was selected for this study. This CT images were classified using both methods and the thematic map obtained afterwards, were filtered by a 7 x 7 median filter. Quantitative assessment results showed that knotty core can be identified with 98.5 % and 96.3 % accuracy by using the ML and ANN classifiers respectively. Although both algorithms showed a high capacity level to detect knotty core statistical analysis showed significant differences among those accuracy values; this is an indication that the maximum likelihood classifier algorithm shows a better performance compared to the algorithms based on artificial neural networks for knotty core identification in CT images of radiata pine logs.
%K Cilindro nudoso
%K tomograf¨ªa computarizada (TC)
%K pino radiata
%K m¨¢xima verosimilitud
%K redes neuronales artificiales
%K Computed tomography (CT)
%K radiata pine
%K knotty core
%K maximum likelihood
%K artificial neural networks
%U http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-221X2012000100006