Diseño e implementación de un sistema clasificador de mangos usando una red neuronal y visión por computadora

• Autor: Ticona Quispe, Jorge Ernesto
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:20.500.12773/20222
• Enlace del recurso: https://hdl.handle.net/20.500.12773/20222
• Nivel de acceso: acceso abierto
• Materia: Clasificación de madurez; Redes neuronales; Visión artificial; https://purl.org/pe-repo/ocde/ford#2.02.01

El Perú ha experimentado durante los últimos 10 años una tendencia creciente en la exportación de mango debido a su excelente sabor, calidad, propiedades benéficas para la salud. Por ello en Perú se ha logrado cultivar 30 mil hectáreas destinadas a la producción de mango y aunque se cuenta con un rendimiento por área de cultivo mayor al promedio mundial existen otros países que podrían fácilmente hasta triplicar sus rendimientos nacionales y lograr desplazarnos de ese puesto, para ello es necesario la aplicación de nuevas tecnologías que nos permitan estar a un nivel competitivo de ante otros líderes en la producción de mango [1]. En tal sentido la presente tesis se centrará en mejorar la eficiencia del método de clasificación de madurez realizado por las industrias productoras de mango, ya que esta es un método manual que está expuesto al sesgo y cansancio de los trabajadores que producen pérdidas económicas si el mango no cumple con las condiciones de calidad establecida por el mercado internacional. En este trabajo se diseña e implementa un prototipo para la clasificación de mangos. Este prototipo está basado en visión artificial y en un sistema de pesaje para la adquisición de datos de entrada, mientras que la clasificación es realizada mediante redes neuronales. Se propone diseñar y realizar un circuito electrónico para la obtención del peso del mango usando un circuito integrado HX710B el cual es un convertidor analógico digital de 24 bits de precisión con el cual tomara la señal analógica de la celda de carga y esta realizara la conversión digital del peso. La señal digital será enviada hacia arduino uno mediante protocolo de comunicación dada por el fabricante, para luego, mediante un factor de calibración obtener el valor decimal del peso del mango. El peso del mango es la primera entrada a la red neuronal. Además, se desarrolló un algoritmo de visión artificial con OpenCV para capturar imágenes del mango en un recinto con iluminación óptima. El proceso incluye convertir la imagen de RGB a HSV para generar máscaras de los colores verde, amarillo y rojo, ajustando sus rangos específicos. Estas máscaras se comparan con la imagen original para identificar los contornos y calcular el porcentaje de cada color en la cáscara del mango. Los porcentajes de colores serán también parte de nuestras entradas para la red neuronal, la cual estará codificada en lenguaje Python y que estará previamente entrenada con imágenes etiquetadas, la cual estimará la madurez del mango y determinará si esta apta para exportación o venta en mercado local. En esta investigación hemos desarrollado un modelo de aprendizaje automático basado en el análisis de imágenes y el peso de la fruta para abordar la problemática de clasificación manual de los mangos. Luego del desarrollo de esta investigación, se logró alcanzar un 90% de exactitud para la clasificación de mangos tipo Kent y un 95% para mangos tipo Edward.