Diseño e implementación de algoritmos inteligentes basados en aprendizaje de máquina para la detección de cadmio en granos de cacao mediante imágenes hiperespectrales

Abstract

La tesis propone un método innovador de estimación de cadmio en muestras de cacao pertenecientes a diferentes distritos de la región de Huánuco, haciendo uso de algoritmos de aprendizaje profundo como son los de Redes Neuronales Artificiales (ANN), a partir de la toma de Imágenes Hiperespectrales (HSI) de las muestras de cacao. Este nuevo método reemplaza el método tradicional de medición, el cual es invasivo, destructivo y lento y permite conocer en tiempo real la cantidad de cadmio presente en el cacao con el objetivo de poder intervenir en el proceso productivo y reducir el riesgo de contaminación con cadmio en el producto final. Con tal fin se obtiene una base de datos de la firma espectral promedio de diferentes muestras de cacao a partir de las imágenes hiperespectrales obtenidas con la cámara hiperespectral conociendo además valores reales de contenido de cadmio. Se obtiene además un modelo de regresión que relacione la firma espectral con el contenido de cadmio. Se concluye que se ha demostrado que es posible predecir los valores de contenido de cadmio del cacao con un margen de error aceptable, haciendo uso de las imágenes hiperespectrales y algoritmos de Deep Learning. Asimismo se concluye que no se encontró una fórmula matemática que indique la estructura adecuada que debería tener la red neuronal para poder predecir, de forma eficaz, los valores de contenido de cadmio de las muestras de cacao. La estructura final se diseñó mediante métodos empíricos, a través de la experimentación con diferentes estructuras, ajustando la estructura final de la red mediante la observación y análisis de los resultados obtenidos en cada una de las estructuras descartadas.