Desarrollo de un método de visión de máquina para la clasificación de los estados de maduración del mango Tommy Atkins

El mango Tommy Atkins es uno de los principales frutos en la economía colombiana, siendo el tercer producto más importante en ventas a nivel nacional en el ámbito agroindustrial. Para la venta del fruto se debe clasificar según el estado de maduración, esta actividad es realizada de forma manual dur...

Full description

Autores:
Vargas Escobar, Nataly
Tipo de recurso:
https://purl.org/coar/resource_type/c_7a1f
Fecha de publicación:
2023
Institución:
Universidad El Bosque
Repositorio:
Repositorio U. El Bosque
Idioma:
spa
OAI Identifier:
oai:repositorio.unbosque.edu.co:20.500.12495/12152
Acceso en línea:
https://hdl.handle.net/20.500.12495/12152
https://repositorio.unbosque.edu.co
Palabra clave:
Procesamiento de imágenes
variables estadísticas
Técnicas de visión artificial
Técnicas de reducción,
Clasificadores
610.28
Image processing
Statistical variables
Computer vision techniques
Reduction techniques
Classifiers
Rights
openAccess
License
Atribución-NoComercial-CompartirIgual 4.0 Internacional
id UNBOSQUE2_3f856a5f1589b35ea3f792ba428560ac
oai_identifier_str oai:repositorio.unbosque.edu.co:20.500.12495/12152
network_acronym_str UNBOSQUE2
network_name_str Repositorio U. El Bosque
repository_id_str
dc.title.none.fl_str_mv Desarrollo de un método de visión de máquina para la clasificación de los estados de maduración del mango Tommy Atkins
dc.title.translated.spa.fl_str_mv Development of a machine vision method for the classification of ripening stages of Tommy Atkins mangoes.
title Desarrollo de un método de visión de máquina para la clasificación de los estados de maduración del mango Tommy Atkins
spellingShingle Desarrollo de un método de visión de máquina para la clasificación de los estados de maduración del mango Tommy Atkins
Procesamiento de imágenes
variables estadísticas
Técnicas de visión artificial
Técnicas de reducción,
Clasificadores
610.28
Image processing
Statistical variables
Computer vision techniques
Reduction techniques
Classifiers
title_short Desarrollo de un método de visión de máquina para la clasificación de los estados de maduración del mango Tommy Atkins
title_full Desarrollo de un método de visión de máquina para la clasificación de los estados de maduración del mango Tommy Atkins
title_fullStr Desarrollo de un método de visión de máquina para la clasificación de los estados de maduración del mango Tommy Atkins
title_full_unstemmed Desarrollo de un método de visión de máquina para la clasificación de los estados de maduración del mango Tommy Atkins
title_sort Desarrollo de un método de visión de máquina para la clasificación de los estados de maduración del mango Tommy Atkins
dc.creator.fl_str_mv Vargas Escobar, Nataly
dc.contributor.advisor.none.fl_str_mv Avendaño Perez, Jonathan
dc.contributor.author.none.fl_str_mv Vargas Escobar, Nataly
dc.contributor.orcid.spa.fl_str_mv Vargas Escobar, Nataly [0009-0007-4733-3565]
dc.subject.none.fl_str_mv Procesamiento de imágenes
variables estadísticas
Técnicas de visión artificial
Técnicas de reducción,
Clasificadores
topic Procesamiento de imágenes
variables estadísticas
Técnicas de visión artificial
Técnicas de reducción,
Clasificadores
610.28
Image processing
Statistical variables
Computer vision techniques
Reduction techniques
Classifiers
dc.subject.ddc.none.fl_str_mv 610.28
dc.subject.keywords.none.fl_str_mv Image processing
Statistical variables
Computer vision techniques
Reduction techniques
Classifiers
description El mango Tommy Atkins es uno de los principales frutos en la economía colombiana, siendo el tercer producto más importante en ventas a nivel nacional en el ámbito agroindustrial. Para la venta del fruto se debe clasificar según el estado de maduración, esta actividad es realizada de forma manual durante largas jornadas de trabajo, lo que genera diferentes problemas de rendimiento y precisión al realizar el proceso de clasificación (FedeMango, 2014). Si bien, existe un método que permite identificar de manera precisa el estado de maduración en el que se encuentra el fruto, dicho método exige la apertura del fruto generando el daño de la materia prima, ocasionando que se pierda parte importante de la producción y por ende, un posible porcentaje útil durante el proceso de venta (Sena, 2019). Es por esto que, una posible alternativa viable para la clasificación de los estados de maduración del mango es por medio de visión de máquina, realizando extracción de características encontradas por cada estado de maduración generando un clasificador según las similitudes encontradas por cada nivel de maduración. La técnica mencionada puede permitir la clasificación durante largas jornadas de tiempo sin que esta, cambie su rendimiento por alguna situación externa, la cual es uno de los problemas principales encontrados en la técnica de clasificación manual. Por lo cual se realiza un modelo de predicción por método de visión de máquina para la clasificación del estado de maduración del mango Tommy Atkins. Dicho proyecto se hizo de forma secuencial en tres fases. La primera fase de este proyecto se realiza una recolección de diversas imágenes al mismo tiempo que por cada fruto fotografiado se hace el análisis químico, (Brix , y % acidez) dando como resultado un conjunto de datos de imágenes con su el reporte del estado de maduración. En la segunda fase se procede a extraer 4 características estadísticas de los frutos en cuatro espacio de color, con el fin de entrenar el algoritmo segun las caracteristicas obtenidas. Al mismo tiempo se usan técnicas de extracción y reducción de características, con el fin de reducir el sobre ajuste en el algoritmo, mejorando la precisión del modelo. Por último; se valida el algoritmo, utilizando el 20% del conjunto de datos para validación, donde, según los aciertos obtenidos por parte del modelo, los cuales se verifican con la coincidencia de los resultados químicos obtenidos de los frutos evaluados se identifica la precisión del algoritmo.Teniendo en cuenta el resultado de la validación del algoritmo, en tiempo real puede generar una predicción del 80% de precisión para la clasificación de los estados de maduración, donde el principal reto de clasificación es el estado de maduración 3 (Maduro), ya que comparte características similares con los demás estados de maduración, generando que el algoritmo obtenga mayores errores durante su proceso de clasificación.
publishDate 2023
dc.date.issued.none.fl_str_mv 2023-11
dc.date.accessioned.none.fl_str_mv 2024-05-20T22:30:03Z
dc.date.available.none.fl_str_mv 2024-05-20T22:30:03Z
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.local.spa.fl_str_mv Tesis/Trabajo de grado - Monografía - Pregrado
dc.type.coar.none.fl_str_mv https://purl.org/coar/resource_type/c_7a1f
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.coarversion.none.fl_str_mv https://purl.org/coar/version/c_970fb48d4fbd8a85
format https://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12495/12152
dc.identifier.instname.spa.fl_str_mv instname:Universidad El Bosque
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Universidad El Bosque
dc.identifier.repourl.none.fl_str_mv https://repositorio.unbosque.edu.co
url https://hdl.handle.net/20.500.12495/12152
https://repositorio.unbosque.edu.co
identifier_str_mv instname:Universidad El Bosque
reponame:Repositorio Institucional Universidad El Bosque
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.none.fl_str_mv Arauz, L. F., Wang, A., Duran, J. A., & Monterrey, M. (1994). CAUSAS DE PERDIDAS POSCOSECHA DE MANGO A NlVEL MAYORISTA EN COSTA RICA I.
Arboleda-Zapata, T., Diaz-Medina, A. R., & Rios-Osorio, L. A. (2019). Biological control strategies used for the management of antracnosis caused by Colletotrichum gloeosporioides in mango fruits: A systematic review. Tropical and Subtropical Agroecosystems, 22(3).
Aguilera Manjarrés, E. (2019). Manual de buenas prácticas para la producción orgánica de frutales tropicales (banano, piña, mango, papaya) y fruitivos (café y cacao).
Arango Marín, L. V., & Gómez Quintero, D. F. (2016). Elaboración de manual de instrucciones para el desarrollo del trabajo con el banco de ensayos CE 640 producción biotecnológica de etanol adquirido por el programa de Ingeniería Mecatrónica de la Universidad Tecnológica de Pereira.
Bernal, J. A., Díaz, C., Tamayo, A., Kondo, D. T., Mesa, N. C., Ochoa, R.& Londoño, M. (2009). Tecnología para el cultivo del mango con énfasis en mangos criollos. Rionegro, Colombia:[Corpoica] Corporación Colombiana de Investigación Agropecuaria.
Báez, M.,et al . (2018, abril). Entendiendo el Rol de la Madurez Fisiológica y las Condiciones de Envío en la Calidad de llegada del Mango.Centro de Investigación en Alimentación y Desarrollo, A.C. Unidad Culiacán
Berrú, L. B., Pizarro, J. C., & Ruiz, J. V. (2022). Efecto de los ácidos ascórbico y cítrico en la estabilidad en congelación de pulpa de mango criollo. Agroindustrial Science, 12(2), 221-229.
Blanco & Lorena. (29 de julio de 2019). Mango: características, hábitat, cultivo, enfermedades y plagas. Lifeder. Recuperado de. https://www.lifeder.com/mango/.
Brecht, J. K., Sargent, S. A., Kader, A. A., Mitcham, E. J., Maul, F., Brecht, P. E., & Menocal, O. (2011). Manual de prácticas para el mejor manejo postcosecha del mango. EDIS, 2011(2).
Cabeza, H. R. (2020, 31 julio). principales técnicas de iluminación aplicadas a la industria.
Linkedin. Recuperado de https://es.linkedin.com/pulse/las-principales-t%C3%A9cnicas-de-iluminaci%C3%B3n-aplicadas-la-ruiz-cabeza
Casarino, E., & SA, S. E. I. (2014). Lentes para CCTV.
Cazar Villacís, I. M. (2016). Análisis físico-químico para la determinación de la calidad de las frutas (Bachelor's thesis, PUCE).
CEDEVA (2019). GUÍA TÉCNICA PARA EL CULTIVO DEL MANGO EN EL NORESTE DE LA PROVINCIA DE FORMOSA. [CEDEVA] Centro de Validación de Tecnologías Agropecuarias
CG20. (2022). baja implementación de tecnología en el sector. Contexto Ganadero. Recuperado de https://www.contextoganadero.com/agricultura/que-hacer-ante-la-bajaimplementacion- de-tecnologia-en-el-sector-agricola
Chooch. (2021). WHAT’S THE DIFFERENCE BETWEEN OBJECT RECOGNITION AND IMAGE RECOGNITION? . Recuperado de: https://chooch-ai.translate.goog/computer-vision/object-recognition-image-recognition/_x_tr_sl=en&_x_tr_tl=es&_x_tr_hl=es&_x_tr_pto=sc
Cubides, C. (2019). INSTITUCION EDUCATIVA EL TRIUNFO. International Journal of Academic Engineering Research (IJAER). Recuperado de : https://eltriunfo.colegiosonline.com/index.php?id=blog
Decco. (2019, 2 mayo). Claves para reducir las pérdidas poscosecha. Decco ibérica. Recuperado de https://www.deccoiberica.es/claves-para-reducir-las-perdidas-poscosech a/
Decco. (2020, 13 noviembre). Equipos de tecnología postcosecha para obtener los mejores resultados. Decco ibérica. Recuperado: https://www.deccoiberica.es/equipos-tecnologia-postcosecha-obtener-lo s-mejores-resultados/
Decreto 931 de 2018. Por lo cual se establece que la producción de alimentos gozará de la especial protección del Estado [ICA]. 25 de Julio de 2015
Editorial La República S.A.S. (2022, 7 octubre). ¿Qué factores influyeron en el alza de precios de las diferentes variedades de mango? Recuperado de: https://www.agronegocios.co/agricultura/que-factores-influyeron-en-elalto- incremento-en-las diferentes-variedades-de-mango-3464988
Editorial La República S.A.S. (2022, 8 febrero). Según Minagricultura cerca de 15% del sector agro utiliza tecnología de última generación. Recuperado 29 de septiembre de 2022, de https://www.agronegocios.co/agricultura/segun-minagricultura-cerca-de-15-del-sector-agro-utiliza-tecnologia-de-ultima-generacion-3299246
Espinosa, P. & UNIVERSIDAD POLITÉCNICA DE VALENCIA. (2008) Iluminación. Repositorio universidad técnica de Valencia. https://riunet.upv.es/bitstream/handle/10251/75442/ILUMINACION__GIE-3__2en1.pdf
Fajardo., et al (2021, abril). PROGRAMA DE BIOINGENIERÍA - INFORME DE AUTOEVALUACIÓN CON FINES DE ACREDITACIÓN. Universidad El Bosque. Toma de : https://static1.squarespace.com/static/5f43e0c90ae7c17f8f8febbf/t/608 3490181b62d0a311e71a7/1619216651078/3_Contexto+interno+del+Programa.pdf
Flores Otoya, B. B., & Martinez Suarez, F. A. (2021). Factores que influyeron en la exportación de mango fresco del perú hacia EE. UU durante el periodo 2002-2019.
Galvis, J. A., & Herrera, A. (1996). El mango mangífera índica: manejo postcosecha.
García Burgos, A. S., & Pérez Barajas, G. (2020). Desarrollo de un producto derivado de mango, cultivado en fincas rurales de la vereda Laguna Verde, La Mesa, Cundinamarca.
Gaviria (8 de febrero de 2022) Según Minagricultura cerca de 15% del sector agro utiliza tecnología de última generación . Agronegocios. Recuperado de https://www.agronegocios.co/agricultura/segun-minagricultura-cerca-de -15-del-sector-agro-utiliza-tecnologia-de-ultima-generacion-3299246
Goldense, D. (2019, 7 octubre). Antracnosis y otros impedimentos que afectan el mango mexicano. Hortalizas. Recuperado de https://www.hortalizas.com/cultivos/antracnosis-y-otros-impedimentosque- afectan-el-mango-mexicano
Gutiérrez, J., & Castro, J. (2022). El impacto del cultivo de mango en el desarrollo rural de Colombia. Revista de Economía y Desarrollo, 25(1), 105-122.
Hernández, A. M. (2011). Valoraciones potenciométricas Ácido-Base. Universidad de Granada. Granada, España.
Hernández, C. M. M., Iznaga, Á. S., & Rodríguez, C. A. H. TÍTULO: TECNOLOGÍA DEL MANEJO POSCOSECHA DEL MANGO (MANGUIFERA).
Hernández, C. M. M., Iznaga, Á. S., & Rodríguez, C. A. H. (2006). Manejo poscosecha del mango (Manguifera indica L.) para el mercado fresco. Centro Agrícola, 33(2), 23.
Hummel, J. E. (2013). Object recognition. Oxford handbook of cognitive psychology, 810, 32-46.
Ministerio de Agricultura y Desarrollo Rural de Colombia. (2023). Informe de producción y exportación de mango en Colombia. Bogotá, Colombia: Ministerio de Agricultura y Desarrollo Rural.
Muñoz, A., & González, J. (2021). La cadena productiva del mango en Colombia: Una visión desde la perspectiva de los actores. Revista de Economía y Desarrollo, 24(2), 113-132.
Murcia (7 octubre de 20220) ¿Qué factores influyeron en el alza de precios de las diferentes variedades de mango?. Agronegocios. Recuperado de https://www.agronegocios.co/agricultura/que-factores-influyeron-en-elalto-incremento-en-las-diferentes-variedades-de-mango-3464988
Rodríguez-Espinosa, H., Ospina-Parra, C. E., Ramírez-Gómez, C. J., Toro-González, I. C., Gallego-Lopera, A., Piedrahita-Pérez, M. A., ... & Romero-Rubio, L. C. (2020). Lineamientos para una metodología de identificación de estilos de aprendizaje aplicables al sector agropecuario colombiano. Ciencia y Tecnología Agropecuaria, 21(3), 1-19.
RODRIGUEZ, S. J. V., Campos, M. D. J. K., Fernández, O., ESPINOSA, M. E., Martínez, F. J. P., ROMO, E. R., ... & BARBA, S. T. M. D. C. (2016). Introducción a la Tecnología del Mango. Jalisco: editorial DR Centro de Investigación y Asistencia en Tecnología y Diseño del Estado de Jalisco, AC, Primera Ediciòn.
SER, C. Y. (2006). Visión artificial.
Gabriel-Ortega, J., Castro, C., Manobanda, M., Ayón, F., & López, P. (2017). Morphological and organoleptic description of mango fruits (Mangifera indica L.) cultivated in Jipijapa canton in Ecuador. Journal of the Selva Andina Research Society, 8(2), 145-154.
Gamboa Porras, J., & Mora Montero, J. (2010). Guía para el cultivo del mango (Mangifera indica L.) en Costa Rica (No. F01-51). INTA (Costa Rica).
GARCIA, D. J. A. O., & IXCUINTLA, I. D. I. C. S. CONVENIO INIFAP-NATIONAL MANGO BOARD DETERMINACIÓN DE LA CAUSA DE HOMBROS HUNDIDOS EN FRUTOS DE ‘TOMMY ATKINS’PRODUCIDOS BAJO VARIOS AMBIENTES EN MÉXICO.
Gutiérrez, J. A. T. (2017). El procesamiento de imágenes y su potencial aplicación en empresas con estrategia digital. Interfases, (10), 11-29.
I.N.I.F. (2018, marzo). DETERMINACIÓN DE LA CAUSA DE HOMBROS HUNDIDOS EN FRUTOS DE ‘TOMMY ATKINS’ PRODUCIDOS BAJO VARIOS AMBIENTES EN MÉXICO. Inifap. Recuperado 29 de septiembre de 2022, de https://www.mango.org/wp-content/uploads/2018/08/Sunken-Shoulders-Final_Spn.pdf
Lizcano Ramírez, N. (2019). Proyecto sobre la viabilidad de exportación del mango tommy atkins de la región del alto magdalena hacia chile (Doctoral dissertation).
Mahecha, G., De Civetta, L. A., & Rodríguez, C. (1991). Normas de calidad para las variedades de mango" tommy Atkins" y" común"(hilacha). Revista Colombiana de Química, 20(2), 10-17
Mavridou, E., Vrochidou, E., Papakostas, GA, Pachidis, T. y Kaburlasos, VG (2019). Sistemas de visión artificial en agricultura de precisión para cultivos agrícolas. Revista de imágenes , 5 (12), 89.
Maldonado-Celis, ME, Yahia, EM, Bedoya, R., Landázuri, P., Loango, N., Aguillón, J., ... & Guerrero Ospina, JC (2019). Composición química del fruto del mango (Mangifera indica L.): compuestos nutricionales y fitoquímicos. Fronteras en la ciencia vegetal , 10 , 1073.
Maldonado-Astudillo, Y. I., Navarrete-García, H. A., Ortiz-Morales, Ó. D., Jiménez-Hernández, J., Salazar-López, R., Alia-Tejacal, I., & Álvarez-Fitz, P. (2016). Propiedades físicas, químicas y antioxidantes de variedades de mango crecidas en la costa de Guerrero. Revista fitotecnia mexicana, 39(3), 207-214.
Martínez., et al (2017, 12 diciembre). Postcosecha de frutos: maduración y cambios bioquímicos. Revista Mexicana de Ciencias Agrícolas, 19, 4075-4087. https://doi.org/10.29312/remexca.v0i19.674
Martínez-González, M. E., Balois-Morales, R., Alia-Tejacal, I., Cortes-Cruz, M. A., Palomino-Hermosillo, Y. A., & López-Gúzman, G. G. (2017). Poscosecha de frutos: maduración y cambios bioquímicos. Revista mexicana de ciencias agrícolas, 8(SPE19), 4075-4087.
Mettleq, A. S. A., Dheir, I. M., Elsharif, A. A., & Abu-Naser, S. S. (2020). Mango Classification Using Deep Learning. International Journal of Academic Engineering Research (IJAER), 3(12).
Ministerio de Agricultura. (2015). PRODUCCIÓN DE MANGO COLOMBIA. Agricultura. Recuperado de. https://sioc.minagricultura.gov.co/Mango/Documentos/2015-06-30%20 Cifras%20Sectoriales.pdf
Miranda Vega, J. V., & Rodríguez Aguilar, B. P. (2022). Manual de funcionamiento, mantenimiento y aplicaciones pedagógicas del equipo (pH metro multiparamétrico benchtop pH/conductivity meter y del Lactodensímetro) en el Laboratorio de Investigación en Lácteos de la Carrera de Agroindustria de la Universidad Técnica de Cotopaxi (Bachelor's thesis, Ecuador: Latacunga: Universidad Técnica de Cotopaxi(UTC)).
Ministerio de Agricultura. (2019, 19 julio). Dirección de Cadenas Agrícolas y Forestales. minagricultura.gov.co. Recuperado de https://sioc.minagricultura.gov.co/Mango/Documentos/2019-06-30%20 Cifras%20Sectoriales.pdf
Ministerio de Agricultura. (2020). CADENA DEL MANGO Indicadores e instrumentos Primer trimestre 2020. minagricultura.gov.co. Recuperado de https://sioc.minagricultura.gov.co/Mango/Documentos/2020-03-30%20 Cifras%20sectoriales.pdf
Ministerio de Agricultura y desarrollo rural. (2021, agosto). El sector agropecuario creció 3,8% en el PIB del segundo trimestre de 2021. minagricultura.gov.co. Recuperado de https://www.minagricultura.gov.co/noticias/Paginas/El-sector-agropecuario-creci%C3%B3-3,8-en-el-PIB-del-segundo-trimestre-de-2021.aspx
Ministerio de tecnologías de información y comunicaciones. (2021, 21 octubre). Agro 4.0 MINTIC Colombia. Recuperado de https://www.mintic.gov.co/portal/inicio/Sala-de-prensa/Noticias/193378 :Agro-4-0-el-programa-del-MinTIC-y-el-C4IR-CO que-busca-mejorar-laproductividad-del-sector-agropecuario-con-la-implementacion-de-tecnologias-avanzadas
Nagle, M., Intani, K., Romano, G., Mahayothee, B., Sardsud, V., & Müller, J. (2016). Determination of surface color of ‘all yellow’mango cultivars using computer vision. International Journal of Agricultural and Biological Engineering, 9(1), 42-50.
NTC. (2003, 22 octubre). NTC 5210 Normas de calidad para variedades de mango especificas.
Patel, KK, Kar, A., Jha, SN y Khan, MA (2012). Sistema de visión artificial: una herramienta para la inspección de calidad de productos alimentarios y agrícolas. Revista de ciencia y tecnología de los alimentos , 49 (2), 123-141.
Pérez, V., Herrero, M., & Hormaza, J. I. (2019). Pollen performance in mango (Mangifera indica L., Anacardiaceae): andromonoecy and effect of temperature. Scientia Horticulturae, 253, 439-446.
RedAgricola. (2021, 25 marzo). Aspectos claves en el proceso de maduración de poscosecha del mango. Redagrícola Perú. Recuperado de https://www.redagricola.com/pe/aspectos-claves-en-el-proceso-de-maduracion-de-poscosecha-del-mango/
Rivas-Robles, E., Posada-Toledo, A., Vela-Gutiérrez, G., & Vargas-Ortiz, M. A. (2020). Evaluación fisicoquímica y determinación sensorial de frutos descartados de Mangifera indica L. variedad Ataulfo en Acapetahua, Chiapas, México. Revista Iberoamericana de Tecnología Postcosecha, 21(1).
Siller-Cepeda, J., Muy-Rangel, D., Báez-Sañudo, M., Araiza-Lizarde, E., & Ireta-Ojeda, A. (2009). Calidad poscosecha de cultivares de mango de maduración temprana, intermedia y tardía. Revista fitotecnia mexicana, 32(1), 45-52.
Suárez, A. F., & Loaiza, H. (2015). Implementación de un esquema de navegación reactiva con sensores RGB-D. UIS Ingenierías, 14(1), 7-19.
Sung, J., Suh, J. H., Chambers, A. H., Crane, J., & Wang, Y. (2019). Relationship between Sensory Attributes and Chemical Composition of Different Mango Cultivars. Journal of agricultural and food chemistry, 67(18), 5177–5188. https://doi.org/10.1021/acs.jafc.9b01018
Soane, M. L., Zude-Sasse, M., Mahajan, P., & Sivakumar, D. (2019). Quality assesment and postharvest technology of mango: A review of its current status and future perspectives. Scientia Horticulturae, 249, 77-85.
Sosa, M. D., Rodríguez, L. F., & Bermúdez, L. T. (2011). 1. Competitividad del sistema de producción de mango ‘Tommy Atkins’ en Cundinamarca (La Mesa, Anapoima y Tocaima). Revista Colombiana de Ciencias Hortícolas, 5(1), 20-33.
Snyder, W. E., & Qi, H. (2004). Machine vision (Vol. 1). Cambridge University Press.
Thompson., et al. (2001). Manejo poscosecha y comercialización del mango: (mangifera indica). Alianza Editorial.
UCD. (2014). Postharvest Handling of Mango. ucanr (Universidad de California en Davis). Recuperado de https://ucanr.edu/datastoreFiles/234-2722.pdf
dc.rights.en.fl_str_mv Atribución-NoComercial-CompartirIgual 4.0 Internacional
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.local.spa.fl_str_mv Acceso abierto
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv Atribución-NoComercial-CompartirIgual 4.0 Internacional
http://creativecommons.org/licenses/by-nc-sa/4.0/
Acceso abierto
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.program.spa.fl_str_mv Bioingeniería
dc.publisher.grantor.spa.fl_str_mv Universidad El Bosque
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingeniería
institution Universidad El Bosque
bitstream.url.fl_str_mv https://repositorio.unbosque.edu.co/bitstreams/590cfeaa-1764-4fbd-840f-74edcf11d8c2/download
https://repositorio.unbosque.edu.co/bitstreams/3f55d6ab-12f5-4e7f-8766-35f44a04d401/download
https://repositorio.unbosque.edu.co/bitstreams/7fad0636-5133-4a18-a92d-be8e450cd724/download
https://repositorio.unbosque.edu.co/bitstreams/5d72dd4a-35cb-401e-9a1f-34ae079fa4fb/download
https://repositorio.unbosque.edu.co/bitstreams/b0c896fd-ec9f-453b-a6ad-8b9055d355b8/download
https://repositorio.unbosque.edu.co/bitstreams/e0b2909d-89d9-469a-b5df-028e5e85251b/download
bitstream.checksum.fl_str_mv 9e7f71c4fbb0e55fb1b6be289db935c8
17cc15b951e7cc6b3728a574117320f9
adb7af3ef071a784ffe1b544b9a344ab
9a4ebfe76381e25216f1ba184483b118
20c2028b25374a212191a150e526b405
7178c8fdaabc713c4434809e9a659ef8
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad El Bosque
repository.mail.fl_str_mv bibliotecas@biteca.com
_version_ 1814100818833440768
spelling Avendaño Perez, JonathanVargas Escobar, NatalyVargas Escobar, Nataly [0009-0007-4733-3565]2024-05-20T22:30:03Z2024-05-20T22:30:03Z2023-11https://hdl.handle.net/20.500.12495/12152instname:Universidad El Bosquereponame:Repositorio Institucional Universidad El Bosquehttps://repositorio.unbosque.edu.coEl mango Tommy Atkins es uno de los principales frutos en la economía colombiana, siendo el tercer producto más importante en ventas a nivel nacional en el ámbito agroindustrial. Para la venta del fruto se debe clasificar según el estado de maduración, esta actividad es realizada de forma manual durante largas jornadas de trabajo, lo que genera diferentes problemas de rendimiento y precisión al realizar el proceso de clasificación (FedeMango, 2014). Si bien, existe un método que permite identificar de manera precisa el estado de maduración en el que se encuentra el fruto, dicho método exige la apertura del fruto generando el daño de la materia prima, ocasionando que se pierda parte importante de la producción y por ende, un posible porcentaje útil durante el proceso de venta (Sena, 2019). Es por esto que, una posible alternativa viable para la clasificación de los estados de maduración del mango es por medio de visión de máquina, realizando extracción de características encontradas por cada estado de maduración generando un clasificador según las similitudes encontradas por cada nivel de maduración. La técnica mencionada puede permitir la clasificación durante largas jornadas de tiempo sin que esta, cambie su rendimiento por alguna situación externa, la cual es uno de los problemas principales encontrados en la técnica de clasificación manual. Por lo cual se realiza un modelo de predicción por método de visión de máquina para la clasificación del estado de maduración del mango Tommy Atkins. Dicho proyecto se hizo de forma secuencial en tres fases. La primera fase de este proyecto se realiza una recolección de diversas imágenes al mismo tiempo que por cada fruto fotografiado se hace el análisis químico, (Brix , y % acidez) dando como resultado un conjunto de datos de imágenes con su el reporte del estado de maduración. En la segunda fase se procede a extraer 4 características estadísticas de los frutos en cuatro espacio de color, con el fin de entrenar el algoritmo segun las caracteristicas obtenidas. Al mismo tiempo se usan técnicas de extracción y reducción de características, con el fin de reducir el sobre ajuste en el algoritmo, mejorando la precisión del modelo. Por último; se valida el algoritmo, utilizando el 20% del conjunto de datos para validación, donde, según los aciertos obtenidos por parte del modelo, los cuales se verifican con la coincidencia de los resultados químicos obtenidos de los frutos evaluados se identifica la precisión del algoritmo.Teniendo en cuenta el resultado de la validación del algoritmo, en tiempo real puede generar una predicción del 80% de precisión para la clasificación de los estados de maduración, donde el principal reto de clasificación es el estado de maduración 3 (Maduro), ya que comparte características similares con los demás estados de maduración, generando que el algoritmo obtenga mayores errores durante su proceso de clasificación.Universidad el BosqueBioingenieroPregradoThe Tommy Atkins mango is one of the main fruits in the Colombian economy, being the third most important product in sales at national level in the agroindustrial field. For the sale of the fruit, it must be classified according to the state of ripeness, this activity is carried out manually during long working days, which generates different problems of performance and accuracy when performing the classification process (FedeMango, 2014). Although there is a method that allows the precise identification of the ripening stage of the fruit, this method requires opening the fruit, which damages the raw material, causing the loss of an important part of the production and, therefore, a possible useful percentage during the sales process (Sena, 2019). This is why, a possible viable alternative for the classification of mango ripening stages is by means of machine vision, performing extraction of characteristics found by each ripening stage generating a classifier according to the similarities found by each ripening level. The mentioned technique can allow the classification during long days of time without changing its performance by any external situation, which is one of the main problems found in the manual classification technique. Therefore, a prediction model was developed using the machine vision method for the classification of the ripening stage of Tommy Atkins mangoes. This project was done sequentially in three phases. The first phase of this project is a collection of various images at the same time that for each photographed fruit is made the chemical analysis (Brix, and % acidity) resulting in a set of image data with the report of the state of maturation. In the second phase we proceed to extract 4 statistical characteristics of the fruits in four color spaces, in order to train the algorithm according to the characteristics obtained. At the same time, feature extraction and reduction techniques are used to reduce the overfitting of the algorithm, improving the accuracy of the model. Finally; the algorithm is validated, using 20% of the data set for validation, where, according to the successes obtained by the model, which are verified with the coincidence of the chemical results obtained from the evaluated fruits, the accuracy of the algorithm is identified. Taking into account the result of the algorithm validation, in real time it can generate a prediction of 80% accuracy for the classification of ripening stages, where the main classification challenge is ripening stage 3 (Ripe), since it shares similar characteristics with the other ripening stages, generating that the algorithm obtains greater errors during its classification process.application/pdfspaAtribución-NoComercial-CompartirIgual 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-sa/4.0/Acceso abiertoinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Procesamiento de imágenesvariables estadísticasTécnicas de visión artificialTécnicas de reducción,Clasificadores610.28Image processingStatistical variablesComputer vision techniquesReduction techniquesClassifiersDesarrollo de un método de visión de máquina para la clasificación de los estados de maduración del mango Tommy AtkinsDevelopment of a machine vision method for the classification of ripening stages of Tommy Atkins mangoes.BioingenieríaUniversidad El BosqueFacultad de IngenieríaTesis/Trabajo de grado - Monografía - Pregradohttps://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesishttps://purl.org/coar/version/c_970fb48d4fbd8a85Arauz, L. F., Wang, A., Duran, J. A., & Monterrey, M. (1994). CAUSAS DE PERDIDAS POSCOSECHA DE MANGO A NlVEL MAYORISTA EN COSTA RICA I.Arboleda-Zapata, T., Diaz-Medina, A. R., & Rios-Osorio, L. A. (2019). Biological control strategies used for the management of antracnosis caused by Colletotrichum gloeosporioides in mango fruits: A systematic review. Tropical and Subtropical Agroecosystems, 22(3).Aguilera Manjarrés, E. (2019). Manual de buenas prácticas para la producción orgánica de frutales tropicales (banano, piña, mango, papaya) y fruitivos (café y cacao).Arango Marín, L. V., & Gómez Quintero, D. F. (2016). Elaboración de manual de instrucciones para el desarrollo del trabajo con el banco de ensayos CE 640 producción biotecnológica de etanol adquirido por el programa de Ingeniería Mecatrónica de la Universidad Tecnológica de Pereira.Bernal, J. A., Díaz, C., Tamayo, A., Kondo, D. T., Mesa, N. C., Ochoa, R.& Londoño, M. (2009). Tecnología para el cultivo del mango con énfasis en mangos criollos. Rionegro, Colombia:[Corpoica] Corporación Colombiana de Investigación Agropecuaria.Báez, M.,et al . (2018, abril). Entendiendo el Rol de la Madurez Fisiológica y las Condiciones de Envío en la Calidad de llegada del Mango.Centro de Investigación en Alimentación y Desarrollo, A.C. Unidad CuliacánBerrú, L. B., Pizarro, J. C., & Ruiz, J. V. (2022). Efecto de los ácidos ascórbico y cítrico en la estabilidad en congelación de pulpa de mango criollo. Agroindustrial Science, 12(2), 221-229.Blanco & Lorena. (29 de julio de 2019). Mango: características, hábitat, cultivo, enfermedades y plagas. Lifeder. Recuperado de. https://www.lifeder.com/mango/.Brecht, J. K., Sargent, S. A., Kader, A. A., Mitcham, E. J., Maul, F., Brecht, P. E., & Menocal, O. (2011). Manual de prácticas para el mejor manejo postcosecha del mango. EDIS, 2011(2).Cabeza, H. R. (2020, 31 julio). principales técnicas de iluminación aplicadas a la industria.Linkedin. Recuperado de https://es.linkedin.com/pulse/las-principales-t%C3%A9cnicas-de-iluminaci%C3%B3n-aplicadas-la-ruiz-cabezaCasarino, E., & SA, S. E. I. (2014). Lentes para CCTV.Cazar Villacís, I. M. (2016). Análisis físico-químico para la determinación de la calidad de las frutas (Bachelor's thesis, PUCE).CEDEVA (2019). GUÍA TÉCNICA PARA EL CULTIVO DEL MANGO EN EL NORESTE DE LA PROVINCIA DE FORMOSA. [CEDEVA] Centro de Validación de Tecnologías AgropecuariasCG20. (2022). baja implementación de tecnología en el sector. Contexto Ganadero. Recuperado de https://www.contextoganadero.com/agricultura/que-hacer-ante-la-bajaimplementacion- de-tecnologia-en-el-sector-agricolaChooch. (2021). WHAT’S THE DIFFERENCE BETWEEN OBJECT RECOGNITION AND IMAGE RECOGNITION? . Recuperado de: https://chooch-ai.translate.goog/computer-vision/object-recognition-image-recognition/_x_tr_sl=en&_x_tr_tl=es&_x_tr_hl=es&_x_tr_pto=scCubides, C. (2019). INSTITUCION EDUCATIVA EL TRIUNFO. International Journal of Academic Engineering Research (IJAER). Recuperado de : https://eltriunfo.colegiosonline.com/index.php?id=blogDecco. (2019, 2 mayo). Claves para reducir las pérdidas poscosecha. Decco ibérica. Recuperado de https://www.deccoiberica.es/claves-para-reducir-las-perdidas-poscosech a/Decco. (2020, 13 noviembre). Equipos de tecnología postcosecha para obtener los mejores resultados. Decco ibérica. Recuperado: https://www.deccoiberica.es/equipos-tecnologia-postcosecha-obtener-lo s-mejores-resultados/Decreto 931 de 2018. Por lo cual se establece que la producción de alimentos gozará de la especial protección del Estado [ICA]. 25 de Julio de 2015Editorial La República S.A.S. (2022, 7 octubre). ¿Qué factores influyeron en el alza de precios de las diferentes variedades de mango? Recuperado de: https://www.agronegocios.co/agricultura/que-factores-influyeron-en-elalto- incremento-en-las diferentes-variedades-de-mango-3464988Editorial La República S.A.S. (2022, 8 febrero). Según Minagricultura cerca de 15% del sector agro utiliza tecnología de última generación. Recuperado 29 de septiembre de 2022, de https://www.agronegocios.co/agricultura/segun-minagricultura-cerca-de-15-del-sector-agro-utiliza-tecnologia-de-ultima-generacion-3299246Espinosa, P. & UNIVERSIDAD POLITÉCNICA DE VALENCIA. (2008) Iluminación. Repositorio universidad técnica de Valencia. https://riunet.upv.es/bitstream/handle/10251/75442/ILUMINACION__GIE-3__2en1.pdfFajardo., et al (2021, abril). PROGRAMA DE BIOINGENIERÍA - INFORME DE AUTOEVALUACIÓN CON FINES DE ACREDITACIÓN. Universidad El Bosque. Toma de : https://static1.squarespace.com/static/5f43e0c90ae7c17f8f8febbf/t/608 3490181b62d0a311e71a7/1619216651078/3_Contexto+interno+del+Programa.pdfFlores Otoya, B. B., & Martinez Suarez, F. A. (2021). Factores que influyeron en la exportación de mango fresco del perú hacia EE. UU durante el periodo 2002-2019.Galvis, J. A., & Herrera, A. (1996). El mango mangífera índica: manejo postcosecha.García Burgos, A. S., & Pérez Barajas, G. (2020). Desarrollo de un producto derivado de mango, cultivado en fincas rurales de la vereda Laguna Verde, La Mesa, Cundinamarca.Gaviria (8 de febrero de 2022) Según Minagricultura cerca de 15% del sector agro utiliza tecnología de última generación . Agronegocios. Recuperado de https://www.agronegocios.co/agricultura/segun-minagricultura-cerca-de -15-del-sector-agro-utiliza-tecnologia-de-ultima-generacion-3299246Goldense, D. (2019, 7 octubre). Antracnosis y otros impedimentos que afectan el mango mexicano. Hortalizas. Recuperado de https://www.hortalizas.com/cultivos/antracnosis-y-otros-impedimentosque- afectan-el-mango-mexicanoGutiérrez, J., & Castro, J. (2022). El impacto del cultivo de mango en el desarrollo rural de Colombia. Revista de Economía y Desarrollo, 25(1), 105-122.Hernández, A. M. (2011). Valoraciones potenciométricas Ácido-Base. Universidad de Granada. Granada, España.Hernández, C. M. M., Iznaga, Á. S., & Rodríguez, C. A. H. TÍTULO: TECNOLOGÍA DEL MANEJO POSCOSECHA DEL MANGO (MANGUIFERA).Hernández, C. M. M., Iznaga, Á. S., & Rodríguez, C. A. H. (2006). Manejo poscosecha del mango (Manguifera indica L.) para el mercado fresco. Centro Agrícola, 33(2), 23.Hummel, J. E. (2013). Object recognition. Oxford handbook of cognitive psychology, 810, 32-46.Ministerio de Agricultura y Desarrollo Rural de Colombia. (2023). Informe de producción y exportación de mango en Colombia. Bogotá, Colombia: Ministerio de Agricultura y Desarrollo Rural.Muñoz, A., & González, J. (2021). La cadena productiva del mango en Colombia: Una visión desde la perspectiva de los actores. Revista de Economía y Desarrollo, 24(2), 113-132.Murcia (7 octubre de 20220) ¿Qué factores influyeron en el alza de precios de las diferentes variedades de mango?. Agronegocios. Recuperado de https://www.agronegocios.co/agricultura/que-factores-influyeron-en-elalto-incremento-en-las-diferentes-variedades-de-mango-3464988Rodríguez-Espinosa, H., Ospina-Parra, C. E., Ramírez-Gómez, C. J., Toro-González, I. C., Gallego-Lopera, A., Piedrahita-Pérez, M. A., ... & Romero-Rubio, L. C. (2020). Lineamientos para una metodología de identificación de estilos de aprendizaje aplicables al sector agropecuario colombiano. Ciencia y Tecnología Agropecuaria, 21(3), 1-19.RODRIGUEZ, S. J. V., Campos, M. D. J. K., Fernández, O., ESPINOSA, M. E., Martínez, F. J. P., ROMO, E. R., ... & BARBA, S. T. M. D. C. (2016). Introducción a la Tecnología del Mango. Jalisco: editorial DR Centro de Investigación y Asistencia en Tecnología y Diseño del Estado de Jalisco, AC, Primera Ediciòn.SER, C. Y. (2006). Visión artificial.Gabriel-Ortega, J., Castro, C., Manobanda, M., Ayón, F., & López, P. (2017). Morphological and organoleptic description of mango fruits (Mangifera indica L.) cultivated in Jipijapa canton in Ecuador. Journal of the Selva Andina Research Society, 8(2), 145-154.Gamboa Porras, J., & Mora Montero, J. (2010). Guía para el cultivo del mango (Mangifera indica L.) en Costa Rica (No. F01-51). INTA (Costa Rica).GARCIA, D. J. A. O., & IXCUINTLA, I. D. I. C. S. CONVENIO INIFAP-NATIONAL MANGO BOARD DETERMINACIÓN DE LA CAUSA DE HOMBROS HUNDIDOS EN FRUTOS DE ‘TOMMY ATKINS’PRODUCIDOS BAJO VARIOS AMBIENTES EN MÉXICO.Gutiérrez, J. A. T. (2017). El procesamiento de imágenes y su potencial aplicación en empresas con estrategia digital. Interfases, (10), 11-29.I.N.I.F. (2018, marzo). DETERMINACIÓN DE LA CAUSA DE HOMBROS HUNDIDOS EN FRUTOS DE ‘TOMMY ATKINS’ PRODUCIDOS BAJO VARIOS AMBIENTES EN MÉXICO. Inifap. Recuperado 29 de septiembre de 2022, de https://www.mango.org/wp-content/uploads/2018/08/Sunken-Shoulders-Final_Spn.pdfLizcano Ramírez, N. (2019). Proyecto sobre la viabilidad de exportación del mango tommy atkins de la región del alto magdalena hacia chile (Doctoral dissertation).Mahecha, G., De Civetta, L. A., & Rodríguez, C. (1991). Normas de calidad para las variedades de mango" tommy Atkins" y" común"(hilacha). Revista Colombiana de Química, 20(2), 10-17Mavridou, E., Vrochidou, E., Papakostas, GA, Pachidis, T. y Kaburlasos, VG (2019). Sistemas de visión artificial en agricultura de precisión para cultivos agrícolas. Revista de imágenes , 5 (12), 89.Maldonado-Celis, ME, Yahia, EM, Bedoya, R., Landázuri, P., Loango, N., Aguillón, J., ... & Guerrero Ospina, JC (2019). Composición química del fruto del mango (Mangifera indica L.): compuestos nutricionales y fitoquímicos. Fronteras en la ciencia vegetal , 10 , 1073.Maldonado-Astudillo, Y. I., Navarrete-García, H. A., Ortiz-Morales, Ó. D., Jiménez-Hernández, J., Salazar-López, R., Alia-Tejacal, I., & Álvarez-Fitz, P. (2016). Propiedades físicas, químicas y antioxidantes de variedades de mango crecidas en la costa de Guerrero. Revista fitotecnia mexicana, 39(3), 207-214.Martínez., et al (2017, 12 diciembre). Postcosecha de frutos: maduración y cambios bioquímicos. Revista Mexicana de Ciencias Agrícolas, 19, 4075-4087. https://doi.org/10.29312/remexca.v0i19.674Martínez-González, M. E., Balois-Morales, R., Alia-Tejacal, I., Cortes-Cruz, M. A., Palomino-Hermosillo, Y. A., & López-Gúzman, G. G. (2017). Poscosecha de frutos: maduración y cambios bioquímicos. Revista mexicana de ciencias agrícolas, 8(SPE19), 4075-4087.Mettleq, A. S. A., Dheir, I. M., Elsharif, A. A., & Abu-Naser, S. S. (2020). Mango Classification Using Deep Learning. International Journal of Academic Engineering Research (IJAER), 3(12).Ministerio de Agricultura. (2015). PRODUCCIÓN DE MANGO COLOMBIA. Agricultura. Recuperado de. https://sioc.minagricultura.gov.co/Mango/Documentos/2015-06-30%20 Cifras%20Sectoriales.pdfMiranda Vega, J. V., & Rodríguez Aguilar, B. P. (2022). Manual de funcionamiento, mantenimiento y aplicaciones pedagógicas del equipo (pH metro multiparamétrico benchtop pH/conductivity meter y del Lactodensímetro) en el Laboratorio de Investigación en Lácteos de la Carrera de Agroindustria de la Universidad Técnica de Cotopaxi (Bachelor's thesis, Ecuador: Latacunga: Universidad Técnica de Cotopaxi(UTC)).Ministerio de Agricultura. (2019, 19 julio). Dirección de Cadenas Agrícolas y Forestales. minagricultura.gov.co. Recuperado de https://sioc.minagricultura.gov.co/Mango/Documentos/2019-06-30%20 Cifras%20Sectoriales.pdfMinisterio de Agricultura. (2020). CADENA DEL MANGO Indicadores e instrumentos Primer trimestre 2020. minagricultura.gov.co. Recuperado de https://sioc.minagricultura.gov.co/Mango/Documentos/2020-03-30%20 Cifras%20sectoriales.pdfMinisterio de Agricultura y desarrollo rural. (2021, agosto). El sector agropecuario creció 3,8% en el PIB del segundo trimestre de 2021. minagricultura.gov.co. Recuperado de https://www.minagricultura.gov.co/noticias/Paginas/El-sector-agropecuario-creci%C3%B3-3,8-en-el-PIB-del-segundo-trimestre-de-2021.aspxMinisterio de tecnologías de información y comunicaciones. (2021, 21 octubre). Agro 4.0 MINTIC Colombia. Recuperado de https://www.mintic.gov.co/portal/inicio/Sala-de-prensa/Noticias/193378 :Agro-4-0-el-programa-del-MinTIC-y-el-C4IR-CO que-busca-mejorar-laproductividad-del-sector-agropecuario-con-la-implementacion-de-tecnologias-avanzadasNagle, M., Intani, K., Romano, G., Mahayothee, B., Sardsud, V., & Müller, J. (2016). Determination of surface color of ‘all yellow’mango cultivars using computer vision. International Journal of Agricultural and Biological Engineering, 9(1), 42-50.NTC. (2003, 22 octubre). NTC 5210 Normas de calidad para variedades de mango especificas.Patel, KK, Kar, A., Jha, SN y Khan, MA (2012). Sistema de visión artificial: una herramienta para la inspección de calidad de productos alimentarios y agrícolas. Revista de ciencia y tecnología de los alimentos , 49 (2), 123-141.Pérez, V., Herrero, M., & Hormaza, J. I. (2019). Pollen performance in mango (Mangifera indica L., Anacardiaceae): andromonoecy and effect of temperature. Scientia Horticulturae, 253, 439-446.RedAgricola. (2021, 25 marzo). Aspectos claves en el proceso de maduración de poscosecha del mango. Redagrícola Perú. Recuperado de https://www.redagricola.com/pe/aspectos-claves-en-el-proceso-de-maduracion-de-poscosecha-del-mango/Rivas-Robles, E., Posada-Toledo, A., Vela-Gutiérrez, G., & Vargas-Ortiz, M. A. (2020). Evaluación fisicoquímica y determinación sensorial de frutos descartados de Mangifera indica L. variedad Ataulfo en Acapetahua, Chiapas, México. Revista Iberoamericana de Tecnología Postcosecha, 21(1).Siller-Cepeda, J., Muy-Rangel, D., Báez-Sañudo, M., Araiza-Lizarde, E., & Ireta-Ojeda, A. (2009). Calidad poscosecha de cultivares de mango de maduración temprana, intermedia y tardía. Revista fitotecnia mexicana, 32(1), 45-52.Suárez, A. F., & Loaiza, H. (2015). Implementación de un esquema de navegación reactiva con sensores RGB-D. UIS Ingenierías, 14(1), 7-19.Sung, J., Suh, J. H., Chambers, A. H., Crane, J., & Wang, Y. (2019). Relationship between Sensory Attributes and Chemical Composition of Different Mango Cultivars. Journal of agricultural and food chemistry, 67(18), 5177–5188. https://doi.org/10.1021/acs.jafc.9b01018Soane, M. L., Zude-Sasse, M., Mahajan, P., & Sivakumar, D. (2019). Quality assesment and postharvest technology of mango: A review of its current status and future perspectives. Scientia Horticulturae, 249, 77-85.Sosa, M. D., Rodríguez, L. F., & Bermúdez, L. T. (2011). 1. Competitividad del sistema de producción de mango ‘Tommy Atkins’ en Cundinamarca (La Mesa, Anapoima y Tocaima). Revista Colombiana de Ciencias Hortícolas, 5(1), 20-33.Snyder, W. E., & Qi, H. (2004). Machine vision (Vol. 1). Cambridge University Press.Thompson., et al. (2001). Manejo poscosecha y comercialización del mango: (mangifera indica). Alianza Editorial.UCD. (2014). Postharvest Handling of Mango. ucanr (Universidad de California en Davis). Recuperado de https://ucanr.edu/datastoreFiles/234-2722.pdfORIGINALTrabajo de grado.pdfTrabajo de grado.pdfapplication/pdf12229371https://repositorio.unbosque.edu.co/bitstreams/590cfeaa-1764-4fbd-840f-74edcf11d8c2/download9e7f71c4fbb0e55fb1b6be289db935c8MD56LICENSElicense.txtlicense.txttext/plain; charset=utf-82000https://repositorio.unbosque.edu.co/bitstreams/3f55d6ab-12f5-4e7f-8766-35f44a04d401/download17cc15b951e7cc6b3728a574117320f9MD53CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81154https://repositorio.unbosque.edu.co/bitstreams/7fad0636-5133-4a18-a92d-be8e450cd724/downloadadb7af3ef071a784ffe1b544b9a344abMD59Carta de autorización.pdfapplication/pdf328704https://repositorio.unbosque.edu.co/bitstreams/5d72dd4a-35cb-401e-9a1f-34ae079fa4fb/download9a4ebfe76381e25216f1ba184483b118MD510TEXTTrabajo de grado.pdf.txtTrabajo de grado.pdf.txtExtracted texttext/plain102503https://repositorio.unbosque.edu.co/bitstreams/b0c896fd-ec9f-453b-a6ad-8b9055d355b8/download20c2028b25374a212191a150e526b405MD511THUMBNAILTrabajo de grado.pdf.jpgTrabajo de grado.pdf.jpgGenerated Thumbnailimage/jpeg2410https://repositorio.unbosque.edu.co/bitstreams/e0b2909d-89d9-469a-b5df-028e5e85251b/download7178c8fdaabc713c4434809e9a659ef8MD51220.500.12495/12152oai:repositorio.unbosque.edu.co:20.500.12495/121522024-05-21 03:05:28.498http://creativecommons.org/licenses/by-nc-sa/4.0/Atribución-NoComercial-CompartirIgual 4.0 Internacionalopen.accesshttps://repositorio.unbosque.edu.coRepositorio Institucional Universidad El Bosquebibliotecas@biteca.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