Clasificador de Fresa Usando Técnicas de Inteligencia Artificial

En el desarrollo de esta investigación, se implementan varios algoritmos de inteligencia artificial para la clasificación y detección del nivel de madurez de fresa. Las imágenes adquiridas por el sistema de sensado de una banda transportadora, fueron sometidas, por una parte; a algoritmos de Machine Learning y Deep Learning, orientados a la clasificación del fruto en dos categorías, definidas por sus características de madurez y deficiencias nutricionales (afectaciones visuales), y, por otra parte; a algoritmos de Deep Learning, orientados a la extracción de características para determinar su nivel de madurez. Se creó un dataset público desde cero con el objetivo de que esté disponible para cualquiera que lo necesite. Para alcanzar una clasificación satisfactoria, se entrenaron modelos utilizando la arquitectura YOLO, específicamente la versión ocho, lo que permitió realizar la clasificación del fruto con éxito. Posteriormente, se llevaron a cabo pruebas sobre las imágenes previamente clasificadas, empleando técnicas como segmentación de fondo por umbrales y segmentación cromática. Estas técnicas de ingeniería de características facilitaron la detección del nivel de madurez del fruto.

• Autores: Camargo Robles, Juan José
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad Santo Tomás
• Repositorio: Repositorio Institucional USTA
• Idioma: spa
• OAI Identifier: oai:repository.usta.edu.co:11634/58025
• Acceso en línea: http://hdl.handle.net/11634/58025
• Palabra clave: Artificial Intelligence; Classification; YOLO; Maturity detection; Inteligencia Artificial; Clasificación; YOLO; Detección de madurez
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 2.5 Colombia