Desarrollo de un equipo electrónico orientado a clasificar granos de quinua por color y tamaño

• Autores: Cruz Rojas, Gianella Geraldine, Fierro Huamán, Anghelo Legor
• 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:10757/688148
• Enlace del recurso: http://hdl.handle.net/10757/688148
• Nivel de acceso: acceso abierto
• Materia: Quinua; Visión artificial; Clasificación automatizada; Procesamiento de imágenes; Agroindustria; Quinoa; Computer vision; Automated classification; Image processing; Agro-industry; https://purl.org/pe-repo/ocde/ford#2.00.00; https://purl.org/pe-repo/ocde/ford#2.02.01

Este proyecto se orientó al diseño e implementación de un sistema automatizado destinado a clasificar y recolectar granos de quinua en condiciones de laboratorio. Para ello se tomaron como criterios de diferenciación tanto el color (blanco, rojo y negro) como el tamaño (pequeño, mediano y grande). La propuesta surgió como alternativa al procedimiento manual tradicional, el cual suele generar resultados poco confiables debido a su carácter subjetivo, la lentitud del proceso y las limitaciones en precisión. El sistema estuvo compuesto por un dispensador que liberó los granos de manera individual hacia una zona de trabajo con iluminación controlada, donde una cámara ubicada en la parte superior capturó las imágenes para su análisis. A través de un modelo de visión artificial se determinaron las características físicas de cada grano, y posteriormente un soplador lateral, en conjunto con un mecanismo de desplazamiento tipo plotter de doble eje, dirigió el grano hacia uno de los nueve pocillos de recolección según la clasificación obtenida. El software desarrollado integró la captura de imágenes, el procesamiento digital y el control de los actuadores, logrando un sistema compacto y funcional. La validación experimental demostró un desempeño satisfactorio, alcanzando una precisión, un recall y un F1-Score mayores al 94%. Estos resultados evidencian la efectividad de la propuesta como herramienta de apoyo en investigaciones agrarias, al optimizar la selección de muestras y asegurar criterios objetivos y repetibles, con potencial de escalabilidad hacia aplicaciones agroindustriales más amplias.