Técnicas de machine Learning para la clasificación de frutas por grado de madurez mediante visión por computador: Una Revisión Sistemática

• Autores: Ramos Chicoma, Cristofer, Silva Montalvo, Luis Agustin
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/15389
• Enlace del recurso: https://hdl.handle.net/20.500.12802/15389
• Nivel de acceso: acceso abierto
• Materia: Machine learning; Visión por computador; Clasificación de maduración; Redes neuronales convolucionales; Metodología prisma; https://purl.org/pe-repo/ocde/ford#2.02.04

La clasificación de las frutas según su nivel de madurez de forma automatizada resulta clave para disminuir las pérdidas que se producen una vez cosechadas y para mejorar la calidad de la cadena de abastecimiento. El trabajo que aquí se presenta es una Revisión Sistemática sobre técnicas de machine learning para llevar a cabo la clasificación de frutas en función de su grado de madurez a partir del análisis mediante visión por ordenador. Siguiendo la metodología PRISMA nos hemos puesto como objetivo la identificación en las bases de datos de Scopus, y Web of Science de un total de 139 documentos; una vez implementados criterios de inclusión y exclusión, un total aproximado de 50 artículos fueron seleccionados para su posterior análisis. Esta investigación muestra que los algoritmos más usados son las redes neuronales convolucionales (CNN), los modelos SVM o bien, los transformadores de visión (ViT). También se ponen de manifiesto los métodos para extraer características de tipo colorimétrico, textural o hiperespectral, así como las tendencias emergentes como la visión multisensorial y modelos ligeros para su uso en entornos embebidos. Por último, se ha propuesto profundizar en la estandarización de las bases de datos y en la evaluación sobre el uso de condiciones de información muy variadas en futuros trabajos. En resumen, esta revisión destaca que, pese a los avances significativos en la clasificación de maduración de frutas con estas técnicas, se requiere disponer de conjuntos de datos más completos y de estudios comparativos que permitan evaluar la aplicabilidad real de los métodos. La investigación futura debería centrarse en aumentar la precisión, la capacidad de generalización de los modelos y en superar las limitaciones actuales para obtener resultados más confiables y útiles.