Sistema de visión artificial basado en redes neuronales convolucionales para la selección de arándanos según estándares de exportación

• Autores: Narciso Horna, Wily Aldo, Manzano, Edgar A.
• Formato: artículo
• Fecha de Publicación: 2021
• Institución: Universidad de San Martín de Porres
• Repositorio: Revistas - Universidad de San Martín de Porres
• Lenguaje: español
• OAI Identifier: oai:revistas.usmp.edu.pe:article/2031
• Enlace del recurso: https://portalrevistas.aulavirtualusmp.pe/index.php/rc/article/view/2031
• Nivel de acceso: acceso abierto
• Materia: Arándano; Redes Neuronales Convolucionales; Visión Artificial; Faster-RCNN

La exportación de arándano es una de las actividades que mayormente ha crecido durante los últimos años en el sector agroindustrial del Perú. Sin embargo, las empresas locales aún presentan dificultades con la automatización de sus procesos, destacando entre ellos la selección de las frutas, la cual de realizarse inadecuadamente puede provocar su rápido deterioro. Es así que, la presente investigación propone un sistema de visión artificial para la detección de los defectos más comunes en los arándanos, de tal forma que puedan ser clasificados para su potencial exportación. Para este cometido, se ha utilizado el modelo de detección Faster R-CNN que se basa en la aplicación de redes neuronales convolucionales y propuesta de regiones. El trabajo ha involucrado la creación de una base de datos propia, el preprocesamiento de las imágenes adquiridas para su posterior entrenamiento con las redes neuronales, y finalmente la validación de los resultados obtenidos en base a la opinión de un grupo de expertos, cuya información se registró a partir de encuestas. Finalmente, se utilizó el criterio IoU (intersección sobre unión) para poder determinar la precisión de nuestro sistema