Sistema de clasificación con visión e inteligencia artificial para la optimización del proceso de postcosecha de follaje Ruscus

Abstract

En la presente investigación se implementó un sistema de clasificación con visión e inteligencia artificial para la optimización del proceso de postcosecha de follaje ornamental Ruscus en la plantación GM Familiar. Actualmente, el proceso se lo hace manualmente bajo el criterio subjetivo de la persona encargada de la clasificación, lo cual conlleva a un detrimento de la calidad y una amenaza en el nicho de mercado logrado. Con la finalidad de solventar esta problemática se realizó una revisión sistemática de literatura acerca de la visión e inteligencia artificial; así mismo, se investigó las características morfológicas intervinientes de la planta para su clasificación. Para llevar a cabo la clasificación, se creó una base de datos de imágenes sobre las cuales se detecta el tamaño del tallo mediante técnicas de visión artificial y se extraen características morfológicas de las plantas mediante el procedimiento Bag of Features. Se realizó el entrenamiento de 24 modelos con diferentes técnicas de inteligencia artificial que permitieron la clasificación entre plantas en buen y mal estado. Los mejores resultados se obtuvieron con el modelo de Máquina de Soporte Vectorial Lineal, el cual arrojó una precisión del 88.6% mediante la validación cruzada de cinco elementos. Finalmente, el modelo del algoritmo fue implementado en Matlab, como un aplicativo en tiempo real corriendo en Windows, y se utilizó una cámara web con condiciones mejoradas de iluminación para realizar la clasificación automática en tiempo real de los tallos de Ruscus.