Resumen

El despalillado de frutos frescos de chile (Capsicum) en grandes producciones es necesario, especialmente en la región del delta del Mekong. Se han realizado varios estudios para resolver este problema con gran aplicabilidad, pero un cierto porcentaje de la producción consistía en frutos agrietados, lo que reducía la calidad del sistema. La clasificación manual resulta muy costosa y de baja calidad, por lo que es necesario que la clasificación automática se realice después del despalillado. Esta investigación se centró en el desarrollo de un método para identificar y clasificar los frutos de chile agrietados causados por el proceso de despalillado. Se construyó y entrenó el modelo de red neuronal de convolución (CNN) para identificar grietas; después, se enviaron las señales de control apropiadas al actuador para la clasificación. Las operaciones de procesamiento de imágenes están soportadas por la biblioteca OpenCV, mientras que la estructura de datos TensorFlow se utiliza como base de datos y la interfaz de programación de aplicaciones Keras soporta la construcción y el entrenamiento de modelos de redes neuronales. Se llevaron a cabo experimentos tanto en condiciones estáticas como de trabajo, en los que, respectivamente, se alcanzó una tasa de identificación precisa del 97 y el 95,3%. Además, se encontró una tasa de éxito del 93% incluso cuando el cuerpo del chile está arrugado debido al secado tras un tiempo de almacenamiento de 120 horas. Los resultados prácticos demuestran que la fiabilidad del modelo fue útil y aceptable.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:interfaz de programación de aplicaciones keras, operaciones de procesamiento de imágenes, región del delta del mekong, estructura de datos tensorflow, tasa de identificación precisa, señales de control adecuadas, fruta fresca de chile, modelos de redes neuronales, modelo, biblioteca opencv
• Keywords:keras application programming interface, image processing operations, mekong delta region, tensorflow data structure, accurate identification rate, appropriate control signals, fresh chilli fruit, neural network models, model, opencv library