Ryan A. León León, Damaris A. De La Cruz Ramos, Alvaro D. Rubio Infantes

Memorias de la Vigésima Tercera Conferencia Iberoamericana en Sistemas, Cibernética e Informática: CISCI 2024, pp. 440-446 (2024); https://doi.org/10.54808/CISCI2024.01.440

Ryan A. León León
La Libertad-Universidad Privada del Norte, Trujillo, Perú

Damaris A. De La Cruz Ramos
La Libertad-Universidad Privada del Norte, Trujillo, Perú

Alvaro D. Rubio Infantes
La Libertad-Universidad Privada del Norte, Trujillo, Perú

Cite this paper as:
León León, R. A., De La Cruz Ramos, D. A., Rubio Infantes, A. D. (2024). Desarrollo de un Algoritmo de Visión Artificial con Redes Neuronales Convolucionales (YOLO V8) para el Control de Calidad de la Mandarina Murcott. En N. Callaos, Jesús de la Fuente Arias, J. Horne, B. Sánchez, A. Tremante (Eds.), Memorias de la Vigésima Tercera Conferencia Iberoamericana en Sistemas, Cibernética e Informática: CISCI 2024, pp. 440-446. International Institute of Informatics and Cybernetics. https://doi.org/10.54808/CISCI2024.01.440

En las empresas procesadoras de mandarina se realiza la clasificación manual de frutos de modo manual, esto depende de la visión humana y el proceso no sigue un criterio estandarizado de selección por lo que se diseñó un algoritmo de visión artificial con redes neuronales convolucionales que mejoran la clasificación de las mandarinas por su estado de maduración mediante un algoritmo en Python v3.7 y YOLO v8 al capturar las imágenes con la cámara web conectada al ordenador. Se lograron capturar 2100 imágenes los cuales se ingresaron a un dataset de mandarinas separando 1470 imágenes para entrenamiento, 420 para validación y 210 para el testeo de la red neuronal obteniendo un 97.7% de precisión según la matriz de confusión en la clasificación del fruto al realizarse pruebas en un escenario de iluminación controlada con mandarinas reales.