Sistema de reconocimiento visual utilizando algoritmo YOLOv5 para la evaluación en tiempo real de la calidad del maracuyá en el sector agroindustrial

• Autores: Sánchez Rojas, Renato André, Martinez De La Flor, Jose Alberto
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/687806
• Enlace del recurso: http://hdl.handle.net/10757/687806
• Nivel de acceso: acceso abierto
• Materia: YOLOv5; Deep learning; Clasificación de frutas; Reconocimiento visual; maracuyá; deep learning; fruit sorting; visual recognition; passion fruit; https://purl.org/pe-repo/ocde/ford#2.00.00; https://purl.org/pe-repo/ocde/ford#2.02.04

El presente trabajo, desarrolla un sistema de reconocimiento visual innovador para la evaluación en tiempo real de la calidad del maracuyá, utilizando el algoritmo YOLOv5. Esta solución, enfocada en la industria del jugo de maracuyá, busca reducir la dependencia del ser humano en los métodos de clasificación manual, con un proceso automatizado basado en deep learning, mejorando significativamente la precisión y eficiencia de la selección de frutas. El sistema se caracteriza por su capacidad para procesar imágenes en tiempo real, identificar imperfecciones, y ayudar a clasificar los maracuyás con precisión. El proyecto abarca desde el diseño y entrenamiento del modelo YOLOv5 hasta su implementación y adaptación a variaciones naturales de la fruta, el cual se integra eficientemente en el proceso de producción existente. La gestión del proyecto incluye una planificación detallada, seguimiento del cronograma y de los costos, y estrategias para superar desafíos técnicos y operativos. Este enfoque integral y tecnológicamente avanzado ofrece un avance significativo en la automatización de la clasificación de frutas, proponiendo mejoras tangibles en la calidad del producto final y la eficiencia de la producción.