Clasificación no destructiva de frutas utilizando inteligencia artificial: revisión bibliográfica

• Autor: Olano Chávez, Wilfredo Cristóbal
• Formato: tesis de grado
• Fecha de Publicación: 2019
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/6215
• Enlace del recurso: https://hdl.handle.net/20.500.12802/6215
• Nivel de acceso: acceso abierto
• Materia: Inteligencia artificial; Aprendizaje automático; Automatización; Clasificación de frutas; Extracción de características; Segmentación; https://purl.org/pe-repo/ocde/ford#2.02.04

Los últimos avances sobre visión artificial permiten una variedad de aplicaciones en diferentes campos cotidianos de la vida, una de estas disciplinas es la clasificación de frutas experimentando un gran porcentaje de acierto dependiendo de las variables a controlar, si bien es cierto se avanzado de manera constante todavía sigue siendo un campo de investigación abierto ya que está demostrado que garantizar la calidad de este procedimiento supone un problema complejo y necesita ser desarrollado. La clasificación de frutas presenta retos significativos debido a las similitudes entre clases y las características irregulares que existe en cada una de estas; es por ello que la selección de los componentes para la extracción de los datos apropiados y el debido enfoque de representación de las características es considerado decisivo en éxito o fracaso del método planteado. Se han desarrollado métodos para evaluar la calidad de las frutas utilizando componentes robóticas con la limitación de que estas se vienen desarrollando bajo conjunto de datos limitados o sumamente controlados. El problema en el cual convergen las propuestas es que la clasificación natural de las frutas es multidimensional y ofrece características de las muestras significativamente diferentes, lo que constituye un gran desafió para los enfoques de aprendizaje automático. Se han llevado a cabo investigaciones sustanciales para el diseño y análisis de clasificadores de estas características mencionadas las cuales generalmente requieren un soporte computacional significativo. Así mismo, en los últimos 9 años se han realizado numerosas técnicas de aprendizaje de máquinas tales como, Árboles de decisión, Maquinas de vectores de soporte (SVM), k-vecinos más cercanos (k-NN), Redes neuronales artificiales (ANN), Redes neuronales convolucionales (CNN) y Algoritmos Fuzzy, utilizado diferentes métodos para el proceso de clasificación de las frutas.