Clasificación automática de Solanum tuberosum conforme a un estándar internacional mediante redes neuronales convolucionales y visión por computadora

• Autor: Melgarejo Atauje, Rudy Wilians
• 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:20.500.12802/16352
• Enlace del recurso: https://hdl.handle.net/20.500.12802/16352
• Nivel de acceso: acceso abierto
• Materia: Visión por computadora; YOLOv8; YOLOv11; Clasificación automática; Solanum tuberosum; https://purl.org/pe-repo/ocde/ford#2.02.04

La clasificación automatizada de papas (Solanum tuberosum) constituye un desafío fundamental para garantizar la calidad de exportación y cumplir con los estándares internacionales. En este trabajo se desarrolló un modelo basado en redes neuronales convolucionales (CNN) para la clasificación de papas utilizando imágenes RGB y técnicas de visión por computadora. Se analizaron los criterios definidos en la normativa UNECE FFV-52, estableciendo tres clases de calidad: Extra, I y II. Con base en dichos criterios se construyó un dataset propio compuesto por 600 imágenes RGB, detectando 2,451 papas de la clase Extra, 2,486 de la clase I y 2,622 de la clase II. El modelo fue entrenado y evaluado empleando arquitecturas YOLOv8 y YOLOv11 con un batch de 8 durante 100 épocas, en sus variantes nano (n) y extralarge (x), alcanzando resultados sobresalientes con métricas de precisión, recall y F1-score superiores al 99%. Además, se desarrolló un entorno de simulación basado en una aplicación web, que permite cargar imágenes, procesarlas automáticamente y mostrar en la interfaz tanto las etiquetas asignadas como el resultado de clasificación final. Los resultados obtenidos demuestran que la propuesta es robusta, confiable y con potencial de aplicación en escenarios reales, constituyendo una herramienta de apoyo para la industria agrícola orientada al control de calidad y exportación.