Brian O. Nieto, José Carlos Rangel Ortiz
Actualmente, la gestión de los frutos en su etapa de postcosecha ha sido bastante descuidada por el mercado panameño, mientras se invierten grandes cifras en siembra y recolección, no se han implementado sistemas que permitan un mejor manejo de estos, dando como resultados grandes pérdidas económicas combinadas con productos inutilizados que son desechados diariamente en centros de venta por comerciantes de varios niveles. Teniendo esto en cuenta se busca desarrollar un sistema basado en visión artificial que permita determinar el estado de maduración de una fruta y estimar su tiempo de vida útil. Centrándose en este caso en el banano por ser una fruta de alta demanda a nivel nacional y que presenta diversos estados de maduración. Para el desarrollo se capturará la temperatura y la humedad, y registrando el tiempo total desde su etapa verde hasta su punto de putrefacción, para generar un modelo de machine learning que dado una imagen de un banano de entrada dé como respuesta el tiempo aproximado para que este llegué a un punto en el que no se pueda consumir ni utilizar para hacer productos derivados. Una vez creados los modelos, estos obtuvieron resultados satisfactorios que fueron comprobados con la realidad del tiempo de vida del banano. Las pruebas se realizaron utilizando una aplicación móvil que permitía obtener las estimaciones en tiempo real. En su conjunto la aplicación y los modelos desarrollados permitieron estimar adecuadamente el estado de maduración y vida útil del fruto utilizando visión artificial y algoritmos de machine learning.
Currently, the management of fruits in their post-harvest stage has been quite neglected by the Panamanian market; while large amounts are invested in planting and harvesting, no systems have been implemented to allow better management of these. Therefore, resulting in large economic losses combined with unused products that are discarded daily in sales centers by traders of various levels. With this in mind, we seek to develop a system based on computer vision to determine the ripening stage of a fruit and estimate its shelf life. This study focuses on the banana as a highly demanded fruit with several maturation stages. During the development, the temperature and humidity will be captured, and recording the elapsed time from its green stage to its rotting point, to generate a machine learning model that, given an image of an input banana, will infer as an answer the approximate time for reaching a point where it cannot be consumed or used to make derivative products. Once the models were created, these obtained satisfactory results that were checked with the reality of the banana's lifespan. The tests were carried out using a mobile application that allowed obtaining the estimates in real-time. Both, the application and the developed models, allowed to adequately estimate the ripening stage and shelf life of the fruit using artificial vision and machine learning algorithms.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados