Mejora en la selección de frutos de café según estado de maduración basado en un sistema de clasificación con técnicas de visión artificial y algoritmos de aprendizaje supervisado

• Autor: Reaño Sopla, Eduardo Alfredo
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Nacional de Ingeniería
• Repositorio: UNI-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.uni.edu.pe:20.500.14076/28244
• Enlace del recurso: http://hdl.handle.net/20.500.14076/28244
• Nivel de acceso: acceso abierto
• Materia: Sistema de visión artificial; Frutos de café; Aprendizaje supervisado; Extracción de características; https://purl.org/pe-repo/ocde/ford#2.03.02

El café representa uno de los productos agrícolas más importante para el Perú tanto a nivel de exportación como sustento para las familias del país. A lo largo de los años el manejo de este fruto se ha visto limitado por el poco uso de tecnología y falta de innovación en la cosecha y el procesamiento de este, especialmente en las zonas del interior del Perú donde su producción va desde la pequeña a gran escala y donde la calidad del producto es indispensable para los ingresos de los agricultores. El propósito de la presente tesis comprende el estudio y aplicación de técnicas de visión artificial además del uso de algoritmos propios del aprendizaje supervisado en el área de la inteligencia artificial con el fin de mejorar la selección de frutos cosechados, lo cual forma parte de las etapas del procesamiento de café, siendo crucial para garantizar una alta calidad del producto final, representando esto el principal objetivo del agricultor. Inicialmente se recopila las muestras de café y se realiza una adquisición de las imágenes de estos. A continuación, estas imágenes son filtradas y preparadas para extraer aquella información relevante contenida en ellas. Posteriormente se extrae las características que describen a los frutos de café, tanto los colores como texturas, y a partir de ello el conjunto de datos es construido. Finalmente, se establecen los modelos a emplear para clasificar los frutos en base a su performance medido para seleccionar aquel que optimice el proceso y sea derivado para la aplicación en futuros procesos.