Detección de defectos morfológicos en granos de café utilizando técnicas de Inteligencia artificial y Visión por computador

Abstract

En el presente trabajo se plantea como objetivo el detectar defectos morfológicos en granos de café con este fin se propuso la utilización de una CNN o red neuronal convolucional trabajando en la misma desde el punto de la adquisición de imágenes hasta su entrenamiento. Tras recolectar las imágenes, mediante investigación y apoyo de un experto se etiquetó y clasificó 3276 las mismas en granos de café buenos y malos. Sobre estos se realizó un cambio de tamaño como preprocesamiento para cambiar su tamaño a 640x640 px y se aplicó data augmentation aumentando las imágenes disponibles a 20284. Al analizar los trabajos relacionados y las opciones disponibles se realizó entrenamiento sobre dos modelos, SSD mobilenet v2 y SSD resnet50, el ajuste final realizado sobre ambas fue de 5000 y 50000 épocas respectivamente, de igual manera cada uno alcanzó una exactitud de 76.92% y 52.01%, al comparar estos resultados con trabajos similares y con pruebas a mano son cotas bajas al confrontarlas con otros estudios pero se encuentra en la media de eficiencia de los sujetos con los que se realizó selección manual aunque no los supera en su punto álgido, mostrando problemas especialmente para realizar clasificación de granos buenos, clase en la que tiene f1-score 0.27 en su punto más bajo, el modelo resnet. Los resultados muestran amplia capacidad de mejora, pero también quiere decir que de momento no es posible el uso práctico de los mismos.