Procesamiento de imágenes de fruto de palma de aceite mediante técnicas de Machine Learning para la clasificación de fruto y predicción de la calidad de aceite de palma

El color se ha utilizado como indicador de estado de maduración en el sector agroindustrial de aceite de palma. Actualmente, este texto se evalúa manualmente mediante la inspección visual del cosechero, lo que conlleva la detección de la calidad del fruto de la palma de aceite (RFF). Este trabajo presenta el desarrollo de un sistema de clasificación automatizado de fruto de aceite con las características de color de las imágenes en el campo para el clasificar el estado de maduración del racimo de palma africana. Esta metodología utiliza técnicas de procesamiento a imágenes como los vecinos más cercanos. El enfoque en esta investigación utiliza Redes Neuronales Artificiales (ANN), Redes Neuronales Convolucionales (CNN) y algoritmos de Random Forest (RF), para el RFF en los siguientes cinco estados de maduración: verde, verde-madura, madura, madura-sobremadura y sobremadura. Finalmente la predicción de la producción de aceite. Se realizaron pruebas en un conjunto de datos de un total de 250 imágenes (50 imágenes para cada una de las cinco categorías de RFF. El resultado mostró que el mejor clasificador es la red convolucional, alcanzando un 94% de efectividad en la clasificación.

• Autores: Contreras Ayala, Juan Pablo
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2018
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/39265
• Acceso en línea: http://hdl.handle.net/1992/39265
• Palabra clave: Aprendizaje automático (Inteligencia artificial); Procesamiento de imágenes; Redes neurales (Computadores); Redes neuronales convolucionales; Ingeniería
• Rights: openAccess
• License: https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf