Clasificación de frutas basadas en redes neuronales convolucionales

• Aguilar-Alvarado, Jonathan Victor ^[1] ; Campoverde-Molina, Milton Alfredo ^[1]
  1. [1] Universidad Católica de Cuenca

     Universidad Católica de Cuenca

     Cuenca, Ecuador

     
• Localización: Polo del Conocimiento: Revista científico - profesional, ISSN-e 2550-682X, Vol. 5, Nº. 1 (Enero 2020), 2020, págs. 3-22
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Resumen

  • La clasificación de frutas mediante la inteligencia artificial ha sido un factor muy importante en la optimización de procesos industriales en el sector alimentario. En la presente investigación se muestra el proceso de entrenamiento de una red neuronal convolucional profunda (CNN) del proyecto Mobile Net de TensorFlow, determinado en los siguientes pasos: captura de imágenes de frutas, procesamiento de las imágenes, entrenamiento de la red neuronal y validación del modelo entrenado. El entrenamiento se basa en 13 categorías de frutas: banana, cereza, frutilla, limón, mandarina, mango manzana, mora, naranja, papaya, pera, piña y uva. Las imágenes son obtenidas en diferentes ambientes mediante una cámara digital, se las procesa etiquetándolas y segmentándolas por calidad de resolución, para que sean utilizadas en el entrenamiento. La validación se realiza midiendo los tiempos de respuesta y aciertos que se obtengan en la predicción del modelo de red neuronal. Finalmente, se determina la eficiencia de la red neuronal. Esta investigación es importante porque permite enmarcar el punto inicial para el desarrollo de sistemas autónomos usando visión artificial con pocos recursos computacionales, cuyo objetivo es entrenar un modelo de visión artificial utilizando una red neuronal convolucional para la clasificación de frutas.