Diseño e implementación de una red neuronal para la clasificación de palta Hass mediante imágenes en una planta agroindustrial

• Autor: Chalco Coaquira, Javier Telmo
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Universidad Nacional Del Altiplano
• Repositorio: UNAP-Institucional
• Lenguaje: español
• OAI Identifier: oai:https://repositorio.unap.edu.pe:20.500.14082/20157
• Enlace del recurso: https://repositorio.unap.edu.pe/handle/20.500.14082/20157
• Nivel de acceso: acceso abierto
• Materia: Red neuronal ResNet; Clasificación; Palta Hass; Agroindustrial; https://purl.org/pe-repo/ocde/ford#2.02.03

El Perú ocupa el tercer lugar a nivel mundial en la exportación de palta tipo Hass, con un crecimiento en el año 2021 del 39.1%. Sin embargo, el 97% de la producción la realizan medianos y pequeños agricultores que presentan problemas de: asociatividad, enfoque hacia mercados externos e inversión en infraestructura y buenas prácticas en el cultivo, manejo, clasificación, traslado y venta del producto. Según la norma técnica peruana “NTP 011-018 2005 NTP Paltas Requisitos” indica que se debe inspeccionar la selección de paltas, retirando los frutos que no cumplen con los controles de calidad. Estos procesos se desarrollan de manera manual con los siguientes inconvenientes: subjetividad del personal que realiza la clasificación, cansancio debido a las horas de trabajo, carencia de control de calidad uniforme, entre otros. Por lo que surgió la necesidad de implementar este proyecto para que el proceso de clasificación sea automático y evitar así los anteriores inconvenientes. Es por ello que se realizó el diseño e implementación de dos redes neuronales para la clasificación de palta Hass mediante imágenes en una planta agroindustrial en la ciudad de Ilo. Se implementaron dos modelos de clasificación ResNet 50 y ResNet 18, siendo el aplicado el modelo ResNet 18, pues el otro modelo tuvo problemas de overffiting. Como resultado del modelo ResNet 18 se obtuvo un Accuracy de 97.95%, Misclassification rate de 4.2%, Sensitivity de 85.29%, False positive rate de 2.53%, Specificity de 97.46%, Precision de 97.10% y F1 score de 97.81%. Así mismo para la validación se obtuvieron puntajes de índice Kappa, TSS, K, TS, HSS mayores a 055, por lo que se consideran resultados aceptables. Por lo que con esta tesis se pretende contribuir a la mejora de la producción de paltas en el Perú.