Clasificación del nivel de fermentación de granos de cacao secos abiertos y cerrados mediante el procesamiento de imágenes espectrales y aprendizaje profundo.

Abstract

El proceso de fermentación del cacao es clave para el sabor y el aroma del chocolate; sin embargo, los métodos actuales de evaluación son manuales y altamente subjetivos. Este trabajo propone una alternativa estandarizada basada en aprendizaje profundo e imágenes hiperespectrales para determinar el nivel de fermentación, a partir de una base de datos de granos de cacao etiquetados conforme a la norma colombiana (NTC 1252:2021) en tres categorías: bien fermentados, parcialmente fermentados y mal fermentados. Para ello, se empleó un enfoque de transferencia de conocimiento entre dominios, en el que el modelo fue entrenado con imágenes RGB e información hiperespectral durante la fase de entrenamiento, mientras que en la inferencia utiliza únicamente imágenes RGB, permitiendo su implementación en entornos reales. Además, se desarrolló un protocolo de adquisición y etiquetado de imágenes que garantiza la consistencia de los datos utilizados durante el entrenamiento y la evaluación del modelo. En las pruebas realizadas, el sistema alcanzó una precisión superior al 95\% y mantuvo un desempeño consistente ante variaciones controladas de iluminación y cámara. El modelo fue integrado en una aplicación móvil que clasifica cada grano de cacao de manera automática. Esta investigación contribuye a la automatización del control de calidad del cacao, ofreciendo una herramienta rápida, confiable y asequible para productores y cooperativas. Como trabajo futuro, se plantea ampliar el modelo para detectar defectos físicos e integrarlo en sistemas de monitoreo agrícola basados en inteligencia artificial para una producción sostenible de cacao.