Determinación de la madurez de mazorcas de Cacao, haciendo uso de redes neuronales convolucionales en un sistema embebido

Una correcta cosecha Cacao implica determinar si la mazorca se encuentra en un adecuado estado de madurez. No obstante, este proceso suele darse de manera artesanal y basarse en atributos como el tamaño y color de la mazorca, características que difieren según la variedad cultivada, lo cual dificulta su estandarización. Con el fin de simplificar la cantidad de variables y presentar un método automatizado, el presente trabajo propone desarrollar una herramienta portable, de bajo costo, y hecha a medida, la cual hace uso de una red neuronal convolucional para indicar si una mazorca de cacao se encuentra en el momento oportuno para ser cosechada. Entre los principales resultados del presente trabajo se encuentran: 1) la construcción de tres conjuntos de datos etiquetados (1992 imágenes cada uno), y 2) un sistema embebido con una precisión de 34.83% mAP (mean Average Precision). Finalmente, se demuestra estadísticamente que el tamaño de las imágenes (4033x4033 p, 1009x1009 p y 505x505 p) no incide sobre la eficacia del entrenamiento.

• Autores: Heredia Gómez, Juan F.; Rueda Gómez, Juan P.; Talero Sarmiento, Leonardo H.; Ramírez Acuña, Juan S.; Coronado Silva, Roberto A.
• Tipo de recurso: Article of investigation
• Fecha de publicación: 2020
• Institución: Universidad Autónoma de Bucaramanga - UNAB
• Repositorio: Repositorio UNAB
• Idioma: spa
• OAI Identifier: oai:repository.unab.edu.co:20.500.12749/26394
• Acceso en línea: http://hdl.handle.net/20.500.12749/26394; https://doi.org/10.29375/25392115.4030
• Palabra clave: Cacao; Clasificación de Imágenes; Detección de objetos; Madurez; Reconocimiento de Imágenes; YOLO; Raspberry Pi; Cocoa; Image classification; Object detection; Image classification; YOLO; Ripeness; Raspberry pi
• License: http://purl.org/coar/access_right/c_abf2