Resumen

Este estudio presenta el diseño de un sistema inteligente basado en aprendizaje profundo para clasificar frutas. Para ello, se diseña la reciente red basada en aprendizaje residual "ResNet-50" para clasificar frutas, en particular plátanos en clases sanas o defectuosas. El diseño del sistema se implementa mediante el uso de aprendizaje de transferencia que utiliza el conocimiento almacenado de la estructura profunda. Se han recopilado conjuntos de datos de plátanos para la implementación de la estructura profunda. Los resultados de simulación del sistema diseñado han mostrado una gran capacidad de generalización cuando se ha probado con imágenes de plátanos de prueba (no vistas) y se ha obtenido una alta precisión del 99%. Los resultados de simulación del sistema diseñado basado en aprendizaje residual se comparan con los resultados de otros sistemas utilizados para clasificar los plátanos. Los resultados comparativos indican la eficacia del sistema diseñado. El sistema desarrollado puede utilizarse en la industria de procesamiento de alimentos, en aplicaciones reales donde la precisión, el coste y la velocidad del sistema inteligente mejorarán la tasa de producción y permitirán satisfacer la demanda de los consumidores. El sistema puede sustituir o ayudar a los operarios humanos, que pueden ejercer su energía en la selección de frutas.

• Materias:Biotecnología de alimentos Composición de los alimentos Microbiología de alimentos Tecnología de alimentos Análisis de los Alimentos
• Subjects:Food biotechnology Food composition Food microbiology Food technology Food Analysis
• Palabras claves:sistema, frutas, estructura profunda, sistema inteligente, resultados de simulación, industria alimentaria, gran capacidad de generalización, aprendizaje residual reciente, plátanos, diseño
• Keywords:system, fruits, deep structure, intelligent system, simulation results, food processing industry, great generalization capability, recent residual learning, bananas, design