Publicación:

Diseño e implementación de un sistema automatizado de clasificación de frutos cítricos en banda transportadora mediante aprendizaje profundo e información espectral.

Resumen

Este trabajo presenta el diseño e implementación de un sistema automatizado para la clasificación de mandarinas sobre una banda transportadora mediante la integración de técnicas de visión por computador, aprendizaje profundo e imágenes espectrales en el rango SWIR (Infrarrojo de onda corta). Para el desarrollo del sistema se construyó un conjunto de datos propio a partir de capturas RGB y espectrales realizadas bajo condiciones controladas en el laboratorio HDSP. A partir de los cubos espectrales adquiridos se realizó un proceso de segmentación, selección de bandas espectrales y generación de representaciones pseudo-RGB, permitiendo adaptar la información espectral a modelos de inteligencia artificial previamente entrenados. La arquitectura propuesta está compuesta por dos etapas principales: detección y clasificación. La detección de los frutos se realizó mediante un modelo YOLO ajustado utilizando imágenes Falso RGB, mientras que la clasificación de calidad se efectuó mediante una red neuronal convolucional adaptada al dominio espectral mediante técnicas de transferencia de aprendizaje y una representación espectral tipo RGB+ 2. El desempeño de los modelos fue evaluado mediante métricas de clasificación y detección, incluyendo exactitud, recall, puntaje F1 y matriz de confusión. Adicionalmente, se desarrolló un sistema de adquisición e inferencia en tiempo real capaz de reconstruir imágenes a partir de información capturada por una cámara espectral tipo pushbroom, integrando procesos de reconstrucción, detección, clasificación y toma de decisiones. Finalmente, se implementó un prototipo mecatrónico compuesto por una banda transportadora, mecanismos de separación, servomotores y un sistema de control basado en Arduino, permitiendo la clasificación automática de los frutos. Los resultados obtenidos evidencian la viabilidad de integrar información espectral y técnicas de aprendizaje profundo en sistemas automatizados de clasificación para aplicaciones agroindustriales.