Diseño de un sistema embebido de clasificación del grano de Lupinus Mutabilis Sweet (chocho) mediante el uso de visión artificial

Abstract

En el Presente trabajo de titulación se describe el desarrollado un sistema embebido para la clasificación del grano de chocho a través de visión artificial, con el propósito de mejorar la selección del grano de chocho postcosecha y de esta manera optimizar el proceso de selección del grano. Este presente proyecto propone el diseño de un sistema embebido de bajo costo para la clasificación del grano de Lupinus Mutabilis Sweet (chocho), basado en técnicas de visión artificial y aprendizaje profundo. El sistema integra una cámara de alta resolución, una placa embebida (Raspberry Pi 5 y un modelo de red neuronal convolucional (CNN) entrenado para identificar características morfológicas y defectos en los granos de chochos. Para la determinación del dataset se estableció un numero promedio de 1000 muestras entre diferentes clases de grano como son: grano bueno, grano malo, grano partido y otro tipo de grano (maíz o haba), la respectiva etiquetación de las clases se lo realizó utilizando plataformas libres en este caso se utilizó Robo Flow en el proceso de etiquetado como en el proceso de entrenamiento del dataset. Como siguiente proceso se realizó el entrenamiento de la arquitectura de redes neuronales por lo cual se seleccionó YOLO en su última versión que es Yolov8 Los resultados experimentales demostraron una precisión del 73.3% en la clasificación, validando la eficacia del sistema para optimizar procesos agrícolas. Este trabajo contribuye a la automatización de la agricultura en pequeña escala, reduciendo costos y mejorando la calidad del producto final.