Publicado:
2025-05-14Número:
Vol. 18 Núm. 2 (2024)Sección:
Visión InvestigadoraSmart system for recognition of ripening level in blackberry fruits
Sistema inteligente de reconocimiento del nivel de maduración en frutos de mora
Palabras clave:
Blackberry crop, Neural network, TensorFlow, Convolutional Neural network, Artificial Intelligence (en).Palabras clave:
Cultivo de Mora, Red Neuronal, TensorFlow, Red Neuronal Convolucional, Inteligencia Artificial (es).Descargas
Resumen (en)
The present work proposes the development of an algorithm focused on improving the blackberry fruit classification process, given that the harvesting of this fruit is done manually and depends mainly on the tradition and experience of the personnel in charge of the harvesting process. The design of an algorithm capable of recognizing the ripeness level of blackberry fruit through a VGG-16 convolutional neural network is described. For the design of the algorithm, Item was necessary to create to bank of images to train the network. The network is then trained according to the design and performance parameters of the neural network, and finally it is implemented in an embedded system (Raspberry Pi) using the TensorFlow Lite framework. Field tests were carried out on blackberry crops to validate the performance and efficiency of the proposed algorithm, which indicate an accuracy percentage close to 96.66%.
Resumen (es)
El presente trabajo plantea el desarrollo de un algoritmo enfocado a mejorar el proceso de clasificación del fruto de mora, dado que la recolección de este fruto se realiza de forma manual y depende principalmente de la tradición y experiencia del personal encargado de los procesos de cosecha. Se describe el diseño de un algoritmo capaz de reconocer el nivel de maduración del fruto de mora a través de una red neuronal convolucional VGG-16.
Para el diseño del algoritmo fue necesario de la creación de un banco de imágenes para entrenar la red. Seguidamente se entrena la red de acuerdo con los parámetros de diseño y desempeño de la red neuronal, finalmente se implementa un sistema embebido (Raspberry Pi) a partir de marco de trabajo TensorFlow Lite. Se realizaron pruebas de funcionamiento en campo sobre los cultivos de mora para validar el desempeño y la eficiencia del algoritmo propuesto, los cuales indican un porcentaje de exactitud cercano al 96,66%.
Referencias
X. Li, J. Li, and J. Tang, "A deep learning method for recognizing elevated mature strawberries," in 2018 33rd Youth Academic Annual Conference of Chinese Association of Automation (YAC), May 2018, pp. 1072-1077. https://doi.org/10.1109/YAC.2018.8406530
M. Campos et al., "Detección de variedad y estado de maduración del ciruelo japonés utilizando imágenes hiperespectrales y aprendizaje profundo," XVIII Conf. la Asoc. Española para la Intel. Artif. (CAEPIA 2018) Av. en Intel. Artif. 23-26 oct. 2018 Granada, España, 2018, ISBN 978-84-09-05643-9, págs. 139-144, pp. 139-144, 2018.
L. M. Azizah, S. F. Umayah, S. Riyadi, C. Damarjati, and N. A. Utama, "Deep learning implementation using convolutional neural network in mangosteen surface defect detection," in 2017 7th IEEE International Conference on Control System, Computing and Engineering (ICCSCE), nov. 2017, pp. 242-246. https://doi.org/10.1109/ICCSCE.2017.8284412
L. Zhang, J. Jia, G. Gui, X. Hao, W. Gao, and M. Wang, "Deep Learning Based Improved Classification System for Designing Tomato Harvesting Robot," IEEE Access, vol. 6, pp. 67940-67950, 2018. https://doi.org/10.1109/ACCESS.2018.2879324
J. P. Bonilla-González and F. A. Prieto-Ortiz, "Determinación del estado de maduración de frutos de feijoa mediante un sistema de visión por computador utilizando información de color," Rev. Investig. Desarro. e Innovación, vol. 7, no. 1, pp. 111-126, Dec. 2016. https://doi.org/10.19053/20278306.v7.n1.2016.5603
ICONTEC, Frutas frescas. Mora de castilla. Especificaciones - NTC 4106. Colombia: Instituto Colombiano de Normas Técnicas y Certificación, 1997.
S. Tewari, "CNN Architecture Series - VGG-16 with implementation (Part I)," Medium, 2019. https://medium.com/datadriveninvestor/cnn-architecture-series-vgg-16-with- implementation-part-i-bca79e7db415
Cómo citar
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Descargar cita
Visitas
Descargas
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
.png)
atribución- no comercial 4.0 International
.jpg)
