Desarrollo de un método de clasificación de musa paradisiaca para exportación utilizando procesamiento digital de imágenes

• Autor: Cisneros Zapata, Christian Anderson
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/16388
• Enlace del recurso: https://hdl.handle.net/20.500.12802/16388
• Nivel de acceso: acceso abierto
• Materia: Procesamiento de imágenes; Clasificación de frutas; Redes neuronales convolucionales; Musa paradisiaca; Calidad de exportación; https://purl.org/pe-repo/ocde/ford#2.02.04

La producción de Musa paradisiaca representa una importante fuente económica para el Perú; sin embargo, el proceso de selección y clasificación realizado por los agricultores para la exportación continúa siendo artesanal, lo que limita la evaluación objetiva de la calidad en el mercado internacional. Ante esta problemática, el objetivo de la presente investigación fue desarrollar un método de clasificación basado en redes neuronales convolucionales (CNN) para identificar defectos en Musa paradisiaca, contribuyendo a mejorar el control de calidad durante el proceso de selección. El estudio se fundamenta en investigaciones previas sobre clasificación de frutas mediante técnicas de procesamiento de imágenes, las cuales han demostrado alta eficiencia y capacidad de respuesta en tiempo real. En este contexto, se comparó el desempeño de tres arquitecturas de redes neuronales convolucionales: VGG16, CNN y InceptionV3, aplicadas a la clasificación de Musa paradisiaca en dos categorías: sano y no sano. Se emplearon 1,425 imágenes digitales, evaluando el rendimiento de las arquitecturas mediante un script en Python y utilizando métricas como tiempo de respuesta, precisión, exactitud, recall. Los resultados experimentales evidenciaron que la arquitectura CNN obtuvo el mejor desempeño, alcanzando un 99,72 % de exactitud y superando a las demás arquitecturas evaluadas. Estos hallazgos confirman el potencial de las redes neuronales convolucionales para optimizar y automatizar el proceso de clasificación de Musa paradisiaca destinada a la exportación, fortaleciendo la competitividad en el mercado internacional