Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Barrero Perez, Jaime GuillermoLópez Rueda, William FernandoImbaña Portillo, Jeison Duvan2024-03-0420212024-03-0420212021https://noesis.uis.edu.co/handle/20.500.14071/40960Teniendo en cuenta que el departamento de Santander ha incrementado su producción de limón Tahitíy que los criterios de calidad para la exportación son cada vez mayores, es necesario aportar a estos procesos contecnología que facilite la selección y clasificación que deben realizar los productores campesinos. Por lo anterior, elobjetivo principal de este proyecto fue mejorar la selección de frutos para hacerla más autónoma y estandarizada,evitando así la subjetividad de las personas encargadas de esta labor. Para ello, se propuso el uso de IA (InteligenciaArtificial) para automatizar el proceso de identificación de características y clasificación del tipo de limón Tahití. En lasolución se planteó el uso de redes neuronales convolucionales pre-entrenadas. De allí se desprenden varios requisitossiendo el principal, seleccionar la arquitectura de la red y el sistema embebido que la soporta. Adicionalmente fueimportante la calidad y cantidad de datos utilizados para el entrenamiento de esta red neuronal, por esta razón seacondicionó una base de datos con imágenes de limones Tahití de diferentes características. La validación del modeloimplementado en la tarjeta Maix Bit da como resultado un acierto del 94% gracias a su acelerador de operaciones convolucionales, esto con un tiempo de predicción de aproximadamente 137 [ms].application/pdfspahttp://creativecommons.org/licenses/by/4.0/Redes Neuronales Convolucionales (RNC)MobileNetMaix BitRaspberryKmodeltflite.Universidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coConvolutional Neural Networks (CNN)MobileNetMaix BitRaspberryKmodeltflite.info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)