Mejora en la selección de frutos de café según estado de maduración basado en un sistema de clasificación con técnicas de visión artificial y algoritmos de aprendizaje supervisado

Abstract

El café representa uno de los productos agrícolas más importante para el Perú tanto a nivel de exportación como sustento para las familias del país. A lo largo de los años el manejo de este fruto se ha visto limitado por el poco uso de tecnología y falta de innovación en la cosecha y el procesamiento de este, especialmente en las zonas del interior del Perú donde su producción va desde la pequeña a gran escala y donde la calidad del producto es indispensable para los ingresos de los agricultores. El propósito de la presente tesis comprende el estudio y aplicación de técnicas de visión artificial además del uso de algoritmos propios del aprendizaje supervisado en el área de la inteligencia artificial con el fin de mejorar la selección de frutos cosechados, lo cual forma parte de las etapas del procesamiento de café, siendo crucial para garantizar una alta calidad del producto final, representando esto el principal objetivo del agricultor. Inicialmente se recopila las muestras de café y se realiza una adquisición de las imágenes de estos. A continuación, estas imágenes son filtradas y preparadas para extraer aquella información relevante contenida en ellas. Posteriormente se extrae las características que describen a los frutos de café, tanto los colores como texturas, y a partir de ello el conjunto de datos es construido. Finalmente, se establecen los modelos a emplear para clasificar los frutos en base a su performance medido para seleccionar aquel que optimice el proceso y sea derivado para la aplicación en futuros procesos.

Coffee represents one of the most important agricultural products for Peru, both in terms of export and sustenance for the families around the country. Over the years, the management of this fruit has been limited by the lack of innovation and the poor use of technology in its harvest and processing, especially in interior areas of Perú where the production goes from small to large scale and where the quality is essential for the income of farmers. The purpose of this thesis includes the study and application of computer vision techniques and supervised learning algorithms in the area of artificial intelligence in order to improve the selection of harvested coffee cherries, which is part of the stages of coffee processing, being crucial to guarantee high quality of the final product and the main objective of the farmer. Initially the harvested coffee samples are collected and their images are acquired. Next, these images are filtered and prepared to extract the relevant information contained in them. Subsequently, the characteristics that describe the coffee cherries are extracted and saved to construct the dataset. Finally, the models to be used to classify the cherries are established based on their measured performance to select the one that optimizes the process and it is derived for application in future processes.