Algoritmos de clasificación para determinar el estado de madurez del fruto de mango

• Autor: Olano Chávez, Wilfredo Cristóbal
• Formato: tesis de grado
• Fecha de Publicación: 2019
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/6553
• Enlace del recurso: https://hdl.handle.net/20.500.12802/6553
• Nivel de acceso: acceso abierto
• Materia: Clasificación automática; característica de color; técnica no destructiva; árbol de decisión; k-Vecino más cercano (k-NN); validación cruzada k-fold; https://purl.org/pe-repo/ocde/ford#2.02.04

La producción de mangos en el Per ú constituye una fuente muy impor tante en la economía. El uso de sistemas de clasificación automática todavía no se aplica ampliamente para apoyar la producción y distr ibución la cual es realizada por una persona considerada exper ta. Así que el objetivo de este trabajo es implementar una técnica no destr uctiva para automatizar el procedimiento de la clasificación de los mangos según su estado de madurez utilizando el sensor de color RGB TCS3200 para la extracción de las caracter ísticas de color. El conjunto de datos se recolectó en fases verde, semi maduro y maduro. A continuación, se realiza el preprocesamiento de los datos el cual consiste en conver tir las muestras RGB al modelo de color CIE L*a*b* para trabajar con datos semejantes a como el ser humano percibe el color. La extracción de caracter ísticas de color cor responde a la intensidad dominante del canal cromático (a*), la saturación (C*), el tono (h*) y la diferencia total del color ( ∆ E) del canal domínate croma (a*) del modelo de color CIE L*a*b*; las cuales describen la característica del color del mango. La clasificación se realiza utilizando los algoritmos supervisados Árbol de decisión y k-vecinos más cercanos (k-NN). Los resultados obtenidos se dan a partir de la técnica de validación cruzada k-fold la cual especifica que el árbol de decisión generó una exactitud promedio de (94%, 93%, 76%, 60%) y k-NN (100%, 97%, 67%, 48%) respectivamente en un tiempo de rendimiento que varía entre 0.64 y 0.74 milisegundos.