Clasificación automática de frutos según maduración.

Abstract

En el TFM se aborda el problema del control de calidad en industria agrícola, clasificando los frutos que entran a planta según su maduración. El objetivo es automatizar el proceso sustituyendo la supervisión humana por un sistema de visión por computador basado en inteligencia artificial. Se propone una solución basada en redes neuronales convolucionales (CNN) y transfer learning que aprenda a clasificar imágenes de frutos según el grado de maduración que indique su aspecto visual. En cuanto a pre-procesado de imágenes, se recurre a una transformación homográfica implementada en Open-CV para obtener una vista cenital del producto y eliminar objetos y fondos indeseados. Por la ausencia de datos etiquetados en este momento del proyecto, se recurre a un dataset de tomates (6800 imágenes) disponible en la red para desarrollar este estudio. Para potenciar dicho dataset se recurre al aumento de datos duplicando los ejemplos de entrenamiento (75% del total) y se guarda para test el 25% restante del dataset original. Se entrena a lo largo de 100 iteraciones utilizando lotes de 32 imágenes, consiguiendo una tasa de acierto de clasificación en test que alcanza finalmente el 97%. Dado este rendimiento del sistema, se califica la solución propuesta como exitosa, demostrando ser una opción válida y se abre la vía futura de entrenar el sistema con datos reales de industria, con objeto de desplegarlo en planta para satisfacer las necesidades de un cliente profesional.