Colombia
El principal objetivo de esta investigación es desarrollar un aplicativo móvil que permita medir la humedad en granos de café por medio del procesamiento de imágenes, de técnicas de aprendizaje supervisado y de visión por computador. En la etapa de secado de estos se debe garantizar que la humedad este entre el 10 % y el 12 % para certificar su calidad. Se crea una base de datos donde se define el protocolo de captura de imágenes y se desarrolla un aplicativo móvil integrando el algoritmo diseñado para que los caficultores puedan usarlo. El muestreo se realiza con celulares de gama media baja. El software es validado en laboratorio y en campo, demostrando ser eficiente en un 99% y con una aceptación de más del 80% entre los caficultores. Se concluye que los métodos de aprendizaje de máquina pueden ser adaptados para solucionar problemas en la caficultura y la agroindustria.
The primary objective of this research study is to develop a mobile application that measures coffee vean moisture by using image processing, supervised learning, and computer imaging. Coffee beans must have moisture content between 10% and 12% to certify their quality. An image database is built, imaging protocols are defined, and an algorithm is developed and integrated into a mobile application that coffee growers can use. Testing and sampling is conducted using mid to lower end cell phones. The software is validated both in the laboratory and in the field, proving to be 99% efficient. The digital image app’s acceptability is over 80% among coffee growers. It is concluded that machine learning processes can be adapted to solve coffee farming and agroindustry challenges.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados