Clasificación de calidad de manzana para monitoreo de cosechabilidad utilizando visión por computador y algoritmos de aprendizaje profundo

Resumen

La industria agrícola comprende una actividad de marcada influencia sobre el crecimiento económico y calidad de vida de las personas. Dada la necesidad de cubrir la demanda de alimentos debido al crecimiento poblacional, actualmente se requieren de sistemas capaces de optimizar el rendimiento del cultivo. Este trabajo contribuye con una herramienta práctica para asistir al agricultor en tareas de reconocimiento de calidad de fruta, permitiéndole mejorar el proceso de cuantificación de manzana y monitoreo del estado cosechable de la fruta mediante el uso de visión por computador y algoritmos de aprendizaje profundo. El sistema propuesto presenta: i) la detección del tipo de manzanas para el conteo y ii) la clasificación de su calidad para la inspección y validación de la fruta por categoría. Se utiliza el modelo de red de detección SSD-MobileNet y para la segmentación de instancias de calidad a nivel de píxel se emplea una red neuronal convolucional rápida FCN-ResNet 18. El sistema fue entrenado, validado y probado en varios ensayos experimentales de laboratorio y campo, empleando dos bases de datos de imágenes construidas en ambientes controlados y en entornos agrícolas reales. Los resultados muestran una precisión de entre 86,7% y 92,6% para la detección y de 94,7 ± 2,5% para la segmentación, superando en ambos casos los resultados presentados en trabajos relacionados.