Clasificación automática de estados de madurez de frutas utilizando imágenes hiperespectrales y redes neuronales convolucionales profundas

En este documento se lleva a cabo un sistema de visión por computador para la clasificación de estados de madurez de frutas utilizando imágenes hiperespectrales (HSI) y redes neuronales convolucionales (CNN). Para dicha tarea se evalúan tres frutas: aguacate, kiwi y papaya. Las HSI fueron captadas en los rangos visible e infrarrojo cercano del espectro electromagnético. Los estados de madurez se clasifican en tres clases: inmaduro, maduro y sobremaduro. Además, para la clasificación se utilizan dos arquitecturas de CNN populares, AlexNet y ResNet50, y se propone una CNN para dicha tarea. La CNN propuesta muestra resultados prometedores y compite fuertemente con las otras dos CNN. Con esto se logra determinar que el sistema es adecuado para ser aplicado a tareas agroindustriales.

• Autores: Jiménez Mejía, Yeison Stiven
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2023
• Institución: Universidad Tecnológica de Pereira
• Repositorio: Repositorio Institucional UTP
• Idioma: spa
• OAI Identifier: oai:repositorio.utp.edu.co:11059/14931
• Acceso en línea: https://hdl.handle.net/11059/14931; https://repositorio.utp.edu.co/home
• Palabra clave: 000 - Ciencias de la computación, información y obras generales::006 - Métodos especiales de computación; Algoritmos de aprendizaje profundo; Procesamiento de imágenes hiperespectrales; Reconocimiento de patrones; Aprendizaje profundo; Estados de madurez; Inteligencia artificial
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)