Clasificación del aguacate Hass en términos de su madurez utilizando técnicas de procesamiento de imágenes y algoritmos de inteligencia artificial

Abstract

Este trabajo aborda el desarrollo de un sistema de clasificación automática del estado de maduración de aguacates Hass mediante técnicas de visión por computadora y aprendizaje profundo. Se emplean imágenes RGB adquiridas en condiciones controladas, las cuales son preprocesadas y organizadas en diferentes categorías de madurez. La propuesta incluye el uso de redes neuronales convolucionales, específicamente modelos basados en ResNet, aplicando estrategias de transfer learning y fine-tuning para mejorar el rendimiento del modelo. Adicionalmente, se implementan técnicas de aumento de datos para balancear las clases y mejorar la generalización del sistema. Se evalúan diferentes configuraciones de entrenamiento, así como métodos de extracción de características combinados con algoritmos de clasificación tradicionales. Los resultados evidencian la capacidad del modelo para identificar patrones visuales asociados a las distintas etapas de maduración, aunque se presentan desafíos en la separación de clases con características visuales similares. Este sistema se plantea como una herramienta útil para la automatización de procesos en la industria agroalimentaria.