Prototipo de un sistema que determine el estado de madurez de un plátano utilizando Deep Learning y Visión Artificial

• Villalba, Andrea ^[1] ; Requena, Tomás ^[1] ; Solanilla, Fabio ^[1] ; Rangel, José Carlos ^[1]
  1. [1] Universidad Tecnológica de Panamá

     Universidad Tecnológica de Panamá

     Panamá

     
• Localización: Revista de Iniciación Científica: RIC, ISSN-e 2413-6786, ISSN 2412-0464, Nº. Extra 6, 2020 (Ejemplar dedicado a: Revista de Iniciación Científica - Edición Especial N°4), págs. 49-53
• Idioma: español
• DOI: 10.33412/rev-ric.v6.0.3155
• Títulos paralelos:
  • Prototype of a system that determinates the state of maturity of a plantain using Deep Learning and Artificial Vision
• Enlaces
  • Texto completo
• Resumen
  • español

    Las aplicaciones de Deep Learning (DL) y Visión Artificial han revolucionado la manera de como se ejecutan los procesos en las industrias de alimentos, para disminuir la pérdida de material por procesos ineficientes. Por lo tanto, este proyecto propone la creación de un modelo inteligente de clasificación industrial con asistencia robótica, enfocado inicialmente en la distinción del estado de maduración del plátano (Musa balbisiana). Se llevó a cabo con la ayuda de librerías como TensorFlow y OpenCV, las cuales permiten la utilización de redes neuronales convolucionales. Luego de probar varios modelos, se obtuvo que el que presentó mayor precisión y menor pérdida logró clasificar correctamente los tres estados de maduración del plátano, siempre y cuando las imágenes a predecir mantengan el formato establecido.

  • English

    Deep Learning (DL) and Artificial Vision applications have revolutionized the identification of wasteful and inefficient processes in the food industry. This project proposes the creation of an intelligent model of industrial classification with robotic assistance focused initially on the distinction of the maturation state of the plantain (Musa balbisiana). This research was possible with the help of libraries such as TensorFlow and OpenCV, which allow the use of convolutional neural networks. After testing several models, the one that presented the best accuracy and loss, was capable of correctly classifying the three stages of maturation of the plantain, if the images maintain the preestablished format.

• Referencias bibliográficas
  • [1] J. Velasco Cruz. (2017). “El avance de la automatización en la agricultura de Red Agrícola” [En línea] Disponible: http://www.redagricola.com/cl/el-avance-de-la-...
  • [2] L. H. Rivera Cambero, G. Martínez Orozco, M. L. Jiménez Vicencio y J. C. Rodríguez Ramos, “Diseño de un sistema de visión artificial para...
  • [3] Á. Romero-Acero, A. Marín-Cano y J. Jiménez-Builes, “Sistema de clasificación por visión artificial de mangos tipo Tommy”, Revista UIS...
  • [4] M. Distéfano, M. Fernández y M. Ponzo, “Clasificación de frutas con visión artificial”, de IV Congreso Argentina de Ciencias de la Computación,...
  • [5] H. A. Hambali, S. L. S. Abdullah, N. Jamil, H. Harun, “Fruit Classification using Neural Network Model”, Journal of Telecommunication,...
  • [6] O. Patil, V. Gaikwad, “Classification of Vegetables using TensorFlow”, International Journal for Research in Applied Science and Engineering...
  • [7] D. Cifuentes. (2019). Plátano Macho: origen, propiedades, beneficios, y todo lo que debes saber. [En línea] Conozcamos Todas Las Propiedades...
  • [8] F. Chollet. (2015). “Keras Official Page” [En línea] Disponible: https://keras.io/
  • [9] R. Prabhu. (2019). “Understanding of Convolutional Neural Network (CNN) — Deep Learning.” [En línea] Medium. Disponible:https://medium.com/@RaghavPrabhu/understandin...
  • [10] sitiobigdata.com. (2019). “Red neuronal convolucional: vista rápida con una implementación”. [En línea] Disponible: http://sitiobigdata.com/index.php/2018/08/28/red-neuronal-...
  • [11] G. Brain, (2019). “TensorFlow.” [En línea]. Disponible: https://www.tensorflow.org. [Accedido: 24- jul.-2019]