Método de clasificación automática para defectos externos con actualización manual de solanum phureja para las exigencias de percepción de calidad

• Autores: Ruiz Santa Cruz, Yovanny Floribel, Sánchez Torres, María Rojana
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/13262
• Enlace del recurso: https://hdl.handle.net/20.500.12802/13262
• Nivel de acceso: acceso abierto
• Materia: Solanum phureja; Clasificación automática; Procesamiento digital de imágenes; Redes neuronales; Aprendizaje de máquina; https://purl.org/pe-repo/ocde/ford#2.02.04

La problemática que enfrentan el productor papero campesino en el Perú, al momento de vender su cosecha es la negociación a bajos precios; siendo una de las razones la falta de calidad del tubérculo que comercializan. Tal situación resulta de interés para la ingeniería de sistemas al identificar como una necesidad a las causas de la poca importancia que se le da al proceso de selección; estos productores paperos campesinos saben que descartar aquellas que tienen daños externos visibles en su textura y forma requiere un mayor trabajo y tiempo. Realizan esta labor de forma manual por lo que se basan en la selección manual del tamaño de la papa. Así pues, esta investigación radica en desarrollar un método con un algoritmo de Redes Neuronales Convolucionales, el cual tiene un procesamiento de imágenes digitales con aprendizaje de máquina a fin de clasificar defectos externos de Solanum Phureja dependiendo de las exigencias del mercado peruano, anteriormente establecidas el cual incluye características físicas, tales como: textura y forma. Partiendo del análisis de una imagen del tubérculo, empezamos con elaboración de una base de datos dividida en dos carpetas, la primera está constituido por imágenes del tubérculo en buen estado, y la segunda contiene imágenes del tubérculo con los defectos de características en mención. Consiguiente a ello, procedemos a preparar y simplificar la imagen convirtiéndola así a un formato en escala de grises, la imagen del tubérculo fue localizada mediante descriptores de contorno, después, se realizó el procesamiento de imágenes con la base de datos y, por último, se llevó a cabo el aprendizaje y reconocimiento de imágenes utilizando redes neuronales. Con esta finalidad hemos utilizado un diseño metodológico propio, aplicando un instrumento cuantitativo (cuestionario) y una técnica cualitativa (entrevista) a un ingeniero agrónomo de Cajamarca, con el propósito de efectuar la validación por juicio del experto. Las conclusiones de la investigación nos indican que el modelo diseñado tiene una exactitud del 92% y una precisión promedio del 93%.