Sistema inteligente de selección de cosecha en cultivo de pitahaya mediante visión artificial
No Thumbnail Available
Files
Date
2024-02
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Técnica de Ambato. Facultad de Ingeniería en Sistemas, Electrónica e Industrial. Carrera de Telecomunicaciones
Abstract
Quality control of export fruits in Ecuador, such as yellow pitahaya, is essential because it is widely accepted in both domestic and international markets. The technical standard NTE INEN 025 establishes criteria for the classification of fruit by degrees of ripeness for export and domestic consumption. The objective of this research work is the development of an artificial vision system for crop selection in pitahaya cultivation that allows the farmer to automatically select this fruit for export, avoiding human error. This system involves the use of the YOLOv5 model for deep learning in the agricultural context, which evaluates the ripening of pitahayas in three stages.
The prototype is based on a cabin composed of primary elements for artificial vision, which is a high-resolution webcam and artificial white light. The system captures the image of six fruits and classifies them according to the degree of ripeness of the pitahaya in an estimated time of 4.48 seconds. A graphical interface programmed in Python is used for data processing.
Tests were carried out to evaluate the functionality and verification of the prototype, obtaining a reliability level of 91.82%. These tests involved various pitahayas at different degrees of ripeness, which leads to the conclusion that the system is useful for farmers or persons in charge of grading yellow pitahayas destined for both export and domestic consumption.
Description
El control de calidad de las frutas de exportación en el Ecuador como la pitahaya amarilla es fundamental ya que esta tiene gran aceptación en mercado nacional e internacional. La norma técnica NTE INEN 025 establece criterios de clasificación de la fruta mediante los grados de maduración para exportación y consumo nacional. El presente trabajo investigativo tiene como objetivo el desarrollo de un sistema de visión artificial de selección de cosecha en cultivo de pitahaya que permite al agricultor una selección de esta fruta para su exportación de manera automática evitando el error humano. Este sistema implica la utilización del modelo YOLOv5 para el aprendizaje profundo en el contexto agrícola la cual evalúa la maduración de pitahayas en tres etapas.
El prototipo se basa en una cabina compuesta por elementos primordiales para la visión artificial que es una cámara web de alta resolución y luz blanca artificial. El sistema captura la imagen de seis frutas y clasifica según el grado de maduración de la pitahaya en un tiempo estimado de 4.48 segundos. Para el procesamiento de datos se utiliza una interfaz gráfica programada en Python.
Se llevaron a cabo pruebas para evaluar la funcionalidad y verificación del prototipo, obteniendo un nivel de confiabilidad del 91,82%. Estas pruebas involucraron diversas pitahayas en distintos grados de maduración, lo que permite concluir que el sistema resulta útil para agricultores o personas encargadas de clasificar la pitahaya amarilla destinada tanto a la exportación como al consumo nacional.
Keywords
YOLOv5, VISIÓN ARTIFICIAL, GRADO DE MADUREZ