Clasificación de manzanas mediante visión por computador e inteligencia artificial para detectar anomalías

El presente trabajo desarrolla un sistema automatizado para la clasificación de manzanas mediante visión por computadora e inteligencia artificial, con el objetivo de mejorar la eficiencia y precisión en procesos agrícolas de selección de fruta. Para ello, se entrenaron dos modelos de redes neuronales YOLOv11: uno para la detección general de manzanas y otro para la identificación de anomalías como heridas abiertas y podredumbre. La arquitectura del sistema contempla la integración de un microcontrolador ESP32, el cual se comunica por WiFi con un servidor implementado en Python mediante el framework Flask. Este servidor se encarga de ejecutar los modelos de detección en tiempo real y coordinar las acciones del mecanismo físico. El diseño mecánico incluye una banda transportadora delimitadora impulsada por un motor paso a paso, la cual permite organizar el ingreso secuencial de las manzanas al sistema. Además, se incorpora un tornillo sin fin que permite la rotación del eje y desplazamiento de la fruta para su análisis completo, y un servomotor que dirige cada manzana hacia un contenedor según su clasificación. Se espera que este sistema contribuya a la automatización de tareas agrícolas utilizando tecnologías accesibles y de código abierto, fomentando su adopción en pequeñas y medianas empresas del sector.

• Main Author: Tinoco Mera, Juan Pablo (author)
• Other Authors: Tinoco Mera, José Luis (author)
• Format: bachelorThesis
• Language: spa
• Published: 2025
• Subjects: VISIÓN POR COMPUTADORA; DETECCIÓN DE OBJETOS; CLASIFICACIÓN AUTOMÁTICA; YOLOV11; MICROCONTROLADOR ESP32; ENTRENAMIENTO DE REDES NEURONALES
• Online Access: http://dspace.ups.edu.ec/handle/123456789/31305