Desarrollo de un sistema de visión artificial basado en redes neuronales convolucionales para la detección del estado de maduración del cacao mediante una aplicación móvil
Este proyecto describe el diseño e implementación de un sistema inteligente basado en visión artificial para determinar el grado de maduración de las mazorcas de cacao a través de un aplicativo móvil. Dada la importancia del cacao fino de aroma en Ecuador y la necesidad de optimizar los procesos de...
Збережено в:
| Автор: | |
|---|---|
| Інші автори: | |
| Формат: | bachelorThesis |
| Мова: | spa |
| Опубліковано: |
2025
|
| Предмети: | |
| Онлайн доступ: | http://dspace.ups.edu.ec/handle/123456789/30952 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
Додати тег | Резюме: | Este proyecto describe el diseño e implementación de un sistema inteligente basado en visión artificial para determinar el grado de maduración de las mazorcas de cacao a través de un aplicativo móvil. Dada la importancia del cacao fino de aroma en Ecuador y la necesidad de optimizar los procesos de cosecha, se plantea una solución tecnológica que automatiza la identificación del estado madurativo de las mazorcas directamente en el entorno de cultivo. Para ello, se emplearon imágenes reales capturadas en plantaciones, las cuales fueron clasificadas y etiquetadas con el fin de entrenar un modelo de procesamiento de imágenes. El entrenamiento del modelo se llevó a cabo bajo un enfoque supervisado, diferenciando entre mazorcas inmaduras, en proceso de maduración y sobremaduras, alcanzando altos niveles de precisión tras varias iteraciones (96 % en promedio). Posteriormente, el modelo fue exportado y optimizado para su integración en un aplicativo web interactivo, que permite a los usuarios cargar, procesarlas localmente y obtener la clasificación visual del estado de maduración de cada mazorca. Como resultado, se obtuvo un sistema funcional, accesible y adaptable, dirigido a pequeños y medianos productores, que facilita la toma de decisiones sobre el momento óptimo de cosecha, disminuye las pérdidas por recolección prematura o tardía; y promueve la agricultura de precisión en zonas rurales. La metodología propuesta, además de ser aplicable al cacao, puede adaptarse a otros cultivos que requieran análisis visual del fruto, contribuyendo a la digitalización del sector agrícola y fomentando prácticas sostenibles y eficientes en las cadenas de producción. |
|---|