Desarrollo de un sistema de visión artificial con redes neuronales convolucionales para la identificación en tiempo real de antracnosis en mangos

Abstract

Desde el año 2000, el sector agroexportador peruano ha experimentado un crecimiento abrupto debido a la gran demanda de los productos agrícolas, entre ellos el sector frutícola. Sin embargo, es preciso aclarar que las maquinas que cumplen las funciones de clasificación y selección de frutas de manera automática demandan una alta inversión. Ante esta problemática, la intención de la presente tesis es desarrollar un modelo de visión artificial basado en redes neuronales. Este modelo está orientado a la identificación de la enfermedad de antracnosis en mangos. Este proyecto presenta un enfoque cuantitativo, debido al uso de la estadística y métricas de desempeño. Asimismo, el alcance de este estudio es de tipo descriptivo. Además, para desarrollar este proyecto se utilizó la metodología alemana VDI 2206, la cual está orientada a proyectos mecatrónicos. Durante la etapa de desarrollo, se utilizó el modelo pre-entrenado MobileNet, al cual se le aplicó la técnica de Transfer Learning, para luego re-entrenar la red con las clases que queramos que clasifique el modelo. Además, el controlador seleccionado para este proyecto, ha sido la tarjeta Jetson Nano de NVIDIA. Con respecto a los resultados logrados, tras la etapa de entrenamiento el modelo MobileNet alcanzó un 83.37% en precisión y un 82.35% en exactitud. Por otro lado, durante la etapa de pruebas del modelo con la Jetson Nano, se utilizaron mangos reales y se logró alcanzar adecuadas métricas de desempeño. Es así, que se obtuvo un 98.04% de precisión y un 98.00% de exactitud. Para finalizar, se concluye que se logró superar el valor planteado en la hipótesis, en la cual se estimó un de 95.0% de precisión y exactitud.