Sistema de reconocimiento semiautónomo para determinar la variedad del tipo de mango mediante YOLOv5 en una cooperativa del distrito de Tambogrande

• Autores: Ojeda Vega, Marlon Mateo, Roman Sullon, Ismael Amael
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/165330
• Enlace del recurso: https://hdl.handle.net/20.500.12692/165330
• Nivel de acceso: acceso abierto
• Materia: Procesamiento de alimentos; Innovación tecnológica; Tecnología agrícola; https://purl.org/pe-repo/ocde/ford#2.02.04

El estudio se centró en contribuir al objetivo de desarrollo sostenible (8), denominado, trabajo decente y crecimiento económico, al desarrollar un sistema de reconocimiento semiautónomo para determinar la variedad del tipo de mango (Kent y Edward) en la cooperativa CAPAPE, utilizando el modelo de detección de objetos YOLOv 5. El estudio fue de tipo aplicada con enfoque cuantitativo y un diseño pre-experimental. La población estuvo conformada por trabajadores de la cooperativa, consagrando como muestra 10 colaboradores. Para validar la solución se realizaron 25 pruebas de clasificación. Se evaluó el grado de utilidad, precisión y tiempo en la clasificación de las variedades de mango. Los resultados indican que el modelo tiene una precisión del 92%, mientras que la clasificación manual logró un 60%, existiendo una diferencia del 32%. En cuanto al tiempo, el modelo clasificó las 25 interacciones en 137 segundos, mientras que de forma manual llevo 677 segundos. Estos hallazgos demuestran que la propuesta es aceptable y funcional. Se recomienda a futuros estudios incrementar el conjunto de datos y experimentar con nuevos modelos de aprendizaje automático.