Diseño de un sistema de clasificación por categorías de aguaymanto y fresas usando redes neuronales convolucionales para el control de calidad en el proceso de deshidratado en la región de Huánuco, 2022

Abstract

La presente tesis tiene como objetivo principal Diseñar un sistema de clasificación de Aguaymanto y Fresas usando redes neuronales convolucionales para el control de calidad en el proceso de deshidratado. De esta manera, se va a clasificar por categorías los frutos tipos berries. El desarrollo de esta investigación, cuantitativa, comprende una base de datos de 9559 imágenes, las cuales contiene aguaymanto y fresas, esta base de datos se utiliza para el entrenamiento de la red neuronal convolucional. Para lograr la clasificación de los frutos se adquiere la imagen mediante una cámara web, la cual está conectada con el algoritmo que ha sido diseñado en el IDE spyder 3.9; dentro del algoritmo se aplican filtros internos de procesamiento de imágenes, reconocimiento e interpretación. Para este algoritmo se utilizan las librerías Numpy, TensorFlow, OpenCV. Los resultados obtenidos empleando redes neuronales convolucionales tiene una precisión de 91.33% en clasificación de aguaymantos con un tiempo de respuesta de 81ms y 90.5% en clasificación de fresas por categorías con un tiempo de respuesta de 117ms. Concluyendo que el diseño de la red neuronal convolucional es exitoso porque logra buen porcentaje de predicción. Finalmente, esta investigación va a mejorar la clasificación por categorías de Aguaymantos y Fresas utilizando redes neuronales convolucionales. También servirá como fuente de investigación para otros estudiantes que deseen profundizar en el campo de la inteligencia artificial.