Sistema basado en inteligencia artificial para la estimación de la uniformidad del color en mandarinas

Simple item page
dc.contributor.advisorGarcia Arenas, Hans Yecid
dc.contributor.advisorUrrea Vecino, Sergio Andres
dc.contributor.authorTrigos Delgado, Joseph Fernando
dc.contributor.authorBautista Monsalve, Kevin Santiago
dc.contributor.evaluatorSepulveda Sepulveda, Franklin Alexander
dc.contributor.evaluatorSantos Ortiz, Camilo Andres
dc.date.accessioned2025-05-26T19:56:34Z
dc.date.available2025-05-26T19:56:34Z
dc.date.created2025-05-26
dc.date.issued2025-05-26
dc.description.abstractEn la industria agrícola, la uniformidad de color se ha convertido en un criterio fundamental para la aceptación de frutos en el mercado y en la actualidad, el proceso de evaluación se realiza de manera manual, lo cual está sujeto a errores e inconsistencias en la clasificación. Es por ello que en este trabajo se desarrolló un sistema basado en inteligencia artificial con el propósito de estimar cuantitativamente la uniformidad del color en mandarinas poscosecha, utilizado técnicas de visión por computadora y aprendizaje profundo. Se implementó un subsistema de captura de imágenes que permite la adquisición de un conjunto de datos de imágenes de mandarinas obtenidas en un entorno controlado en condiciones óptimas. Tras la captura de imágenes, se realiza un procesamiento segmentación de las frutas y extracción de características relevantes para el análisis de color en el espacio CIELAB. Con base en las características obtenidas, se propone un índice cuantitativo de uniformidad de color el cual se emplea para clasificar las mandarinas de acuerdo con estándares de calidad aplicables en la industria citrícola en Colombia. Finalmente, se evalúa el rendimiento del modelo propuesto mediante pruebas experimentales que demuestran su capacidad para estimar de manera precisa y confiable la uniformidad de color en mandarinas. Los resultados obtenidos muestran que el sistema desarrollado contribuye al mejoramiento de los procesos de selección y clasificación de frutas, lo cual tiene un impacto positivo en la calidad del producto final y la competitividad de los productores agrícolas.
dc.description.abstractenglishIn the agricultural industry, color uniformity is now a key criterion for market acceptance of fruits. Currently, the evaluation process is performed manually, which often leads to errors and inconsistencies in classification. To address this, the study developed an artificial intelligence–based system designed to quantitatively assess color uniformity in postharvest mandarins using computer vision and deep learning techniques. A dedicated image-capture subsystem was implemented to gather a dataset of mandarin images under controlled and optimal conditions. After acquiring the images, the fruits are segmented and relevant features are extracted for color analysis in the CIELAB space. Based on these extracted features, a quantitative index of color uniformity was proposed and used to classify mandarins according to quality standards applicable in Colombia’s citrus industry. Finally, experimental tests were conducted to evaluate the model’s performance, demonstrating its ability to precisely and reliably estimate color uniformity. The results show that the developed system improves fruit selection and classification processes, positively impacting both the final product quality and the competitiveness of agricultural producers.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero Electrónico
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/45668
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programIngeniería Electrónica
dc.publisher.schoolEscuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAtribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectUniformidad
dc.subjectÍndice
dc.subjectMandarinas
dc.subjectSegmentación
dc.subject.keywordUniformity
dc.subject.keywordIndex
dc.subject.keywordMandarins
dc.subject.keywordSegmentation
dc.titleSistema basado en inteligencia artificial para la estimación de la uniformidad del color en mandarinas
dc.title.englishArtificial intelligence-based system for estimating color uniformity in mandarins
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Documento.pdf
Size:
6.48 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
60.52 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
104.04 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Ingeniería Electrónica