Browsing by Author "Saavedra Caballero, Hector Luis"

Now showing 1 - 1 of 1

Modelo de visión artificial basada en redes neuronales convolucionales para la clasificación de frutos de aguaymanto
(Universidad Nacional de San Martín. Fondo Editorial, 2025-03-13) Saavedra Caballero, Hector Luis; Injante Ore, Richard Enrique
Modelo de visión artificial basada en redes neuronales convolucionales para la clasificación de frutos de aguaymanto El estudio se centra en el desarrollo de un modelo de visión artificial mediante redes neuronales convolucionales (CNN) para clasificar frutos de aguaymanto (Physalis peruviana) en tres niveles de madurez: verde, semimaduro y maduro. La investigación se realizó en la ciudad de Tarapoto, Perú, durante 2023 y 2024. El objetivo principal fue mejorar la precisión y eficiencia en la clasificación del aguaymanto frente a métodos manuales y algoritmos tradicionales. El diseño del modelo incluyó etapas de adquisición de datos, procesamiento y entrenamiento. Se capturaron imágenes en un entorno controlado y se emplearon técnicas de aumento de datos para mejorar la robustez del modelo. Para la evaluación, se compararon los resultados con algoritmos tradicionales como K-Nearest Neighbors (KNN), Support Vector Machines (SVM) y Random Forest Classifier (RFC), usando métricas de precisión, exactitud y F1-Score. Se implementó una validación cruzada con 5 pliegues para evaluar el rendimiento del modelo. El modelo CNN alcanzó una precisión del 99.22%, superando a los otros métodos. Los resultados indican que el modelo es altamente efectivo para la clasificación de frutos en función de su madurez, mejorando la velocidad y precisión respecto a métodos manuales. Se concluye que el modelo CNN desarrollado es altamente efectivo para la clasificación de frutos de aguaymanto según su madurez, y que la automatización de este proceso puede contribuir significativamente a la mejora de la eficiencia y la calidad en la industria agrícola.