Implementación de un sistema de visión artificial para determinar la calidad del banano

• Autores: Rios Adrianzén, Ruth Antonella, Timaná Chero, Segundo Tomás
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad Nacional de Piura
• Repositorio: UNP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unp.edu.pe:20.500.12676/3176
• Enlace del recurso: https://repositorio.unp.edu.pe/handle/20.500.12676/3176
• Nivel de acceso: acceso abierto
• Materia: visión artificial; redes neuronales convolucionales; calidad del banano orgánico; http://purl.org/pe-repo/ocde/ford#2.11.04

La presente tesis tiene como objetivo principal elaborar un sistema de visión artificial capaz de reconocer la calidad del banano basado en su estado de maduración y calibre (longitud y diámetro), para ello se desarrolló un método de preprocesamiento, a las imágenes obtenidas, capaz de eliminar fondo, sombras y demás información no relevante para la investigación. Se empleó una red neuronal artificial convolucional programada en Python 3, cuyos resultados han sido medidos mediante el error cuadrático medio (MSE), el error de porcentaje absoluto medio (MAPE) de la red y la precisión del estado de maduración. Para la determinación del modelo óptimo se utilizó un experimento factorial completo 4x3, tomando como parámetros de variación del modelo el número de neuronas de la capa convolucional, el número de épocas, el número de capas convolucionales y el número de ejemplos de un paso hacia delante, encontrándose que el mejor modelo cuenta con los siguientes parámetros: 32, 80, 5 y 32 respectivamente. Los resultados muestran que la red neuronal predice el estado de maduración del banano con una precisión del 89.58%, la longitud con una precisión del 96.93% y un error absoluto promedio de 0.94 cm; así como, el diámetro posee una precisión del 97.07% y un error absoluto promedio de 1.66 mm.