CIINDET 2013 X Congreso Internacional sobre Innovación y Desarrollo Tecnológico, 11 al 15 de marzo de 2013, Cuernavaca Morelos, México. 641 Pág. 1 Clasificación de objetos rígidos a partir de imágenes digitales empleando los momentos invariantes de Hu J. Ochoa Somuano 1, 2 , C. Pérez Lara 2 , J. H. Toscano Martínez 2 , C. G. Pereyra Ramos 2 1 Carretera Oaxaca Vía Sola de Vega Km. 1.5 Puerto Escondido, Oaxaca., México 2 Interior Internado Palmira s/n, Col. Palmira, Cuernavaca, Morelos, México. ochoa@zicatela.umar.mx, {carlospl, toscano, cesarpereyra11c}@cenidet.edu.mx Resumen: El objetivo de este trabajo consistió en desarrollar un software que permite, a partir de una imagen, clasificar los objetos contenidos en dicha imagen, con base en su tamaño, forma y posición. Para la extracción de las características de los objetos en las imágenes se emplearon lo momentos invariantes de Hu, que, como su nombre lo indica, son invariantes a rotación, escala y traslación. En la clasificación de estos mismos objetos se utilizó el clasificador k-means. Las pruebas que se realizaron para la validación de este software fueron: números, letras, herramientas, tornillos, figuras geométricas y llaves con monedas. En el resultado de estas pruebas se reportó un porcentaje de certeza de 97.76% y un porcentaje de error de 2.24% bajo condiciones controladas. De acuerdo a los resultados planteados, estos mismos pueden ser aplicados en la industria como clasificadores de control de calidad, en la medicina como clasificación de células cancerígenas, en la milicia como detección de artillería enemiga, entre otras. Palabras Clave: clasificación, extracción de características, momentos invariantes de Hu, k-means. Abstract: The aim of this study was to develop software that allows, from one image, classifying objects in the image, based on size, shape and position of the object. In order to feature extraction of objects in the images the method Hu's moment invariants was used, which, as its name implies, are invariant to rotation, scaling and translation of objects. In the classification of these same objects the K-means classifier was used. The tests performed for the validation of this software were: numbers, letters, tools, screws, keys shapes and coins. The results of these tests are reported to a percentage of certainty of 97.76% and an error rate of 2.24%. According to the proposed results, the same accuracy variables can be applied in industry for quality control in medicine and classification of cancer cells; in the military as enemy- artillery detection, among many other uses. Keywords: classification, features extraction, Hu's moment invariants, k-means. Introducción Las últimas tendencias en Inteligencia Artificial se basan en buscar soluciones de inspección visual como verificar la calidad de frutas; también se utilizan en la clasificación de objetos, como pueden ser tornillos, partes de motores automotrices, entre otros. Una etapa fundamental para que la inspección visual se pueda llevar a cabo, es la extracción de características de los objetos que estén involucrados en la escena que se desea inspeccionar. Con base en estas características o propiedades, entonces se aplican métodos para determinar si el objeto en estudio se considera de buena calidad o en su defecto considerarlo de mala calidad, en [1] [2] [3] se encuentran trabajos relacionados con este tópico, en done mencionan algunas técnicas de extracción de características. Por otro lado, también se puede hacer una separación de clases, con base en la similitud que existe entre algunos objeto, también en la literatura pueden encontrarse trabajos afines con este tema, algunos ejemplos se pueden ver en [3] [4] [5] [6]. Esta última situación es la que se utiliza como enfoque para el desarrollo del presente trabajo de investigación. Metodología de Solución Para cumplir con el objetivo de este trabajo se llevaron a cabo las siguientes fases (Fig. 1) propuesta por [7]: __________________________________________________ Jorge Ochoa Somuano (UMAR, CENIDET), ochoa@zicatela.umar.mx Carlos Pérez Lara (CENIDET) carlospl@cenidet.edu.mx Jasiel H. Toscano Martínez (CENIDET), toscano@cenidet.edu.mx César G. Pereyra R. (CENIDET) cesarpereyra11c@cenidet. edu.mx (UMAR) Carretera Oaxaca Vía Sola de Vega Km. 1.5 Puerto Escondido, Oaxaca., México C.P. 71980. (CENIDET) Interior Internado Palmira s/n, Col. Palmira, Cuernavaca, Morelos, México, C.P. 62490.