Mestas Ramos, SergioFernández Medina, Alexander Jorge2019-11-152019-11-152019-11-14https://repositorio.ucsm.edu.pe/handle/20.500.12920/9627El desarrollo del presente trabajo de investigación propone un sistema automatizado de clasificación por tamaño y peso aplicada a la agroindustria nacional para disminuir el error en clasificación debido al trabajo manual, así como su tiempo y coste. Siendo el objetivo principal el desarrollo de un sistema que permita la clasificación por categoría y calibre empleando visión artificial y redes neuronales para el cálculo del peso. La clasificación se realiza tomando como referencia la norma regional para la lúcuma códex stan 305R-2011 de la Organización de las Naciones Unidas para la Agricultura y la Alimentación, la cual estipula una clasificación por calibre y categoría. El sistema de visión artificial comprende la selección de la cámara y el sistema de iluminación, así como su distribución para obtener una iluminación uniforme. Se detallaron las múltiples etapas del sistema de visión artificial desde la captura de imagen, el pre procesamiento para la reducción del ruido, pasando por la segmentación para separar la lúcuma del fondo hasta la extracción e interpretación de las características. Posteriormente se realizó el entrenamiento de una red neuronal artificial para la estimación aproximada de los pesos de la lúcuma a partir de las imágenes capturadas. Adicionalmente se elaboró un prototipo para la validación del algoritmo desarrollado, así como medir su eficiencia. El tiempo de procesamiento del algoritmo desarrollado es de 1 segundo. Se logró un acierto del 94% en la clasificación por calibre, 98% en la clasificación por categoría, un error máximo de 3.20% en el tamaño y 5.00% de peso de lúcuma para un grupo de muestra de 50 lúcumas, lográndose cumplir las tolerancias de calidad señaladas en el códex. Palabras clave: Visión artificial, lúcuma, red neuronal artificial.application/pdfspainfo:eu-repo/semantics/openAccessVisión artificiallúcumared neuronal artificialinfo:eu-repo/semantics/bachelorThesishttps://purl.org/pe-repo/ocde/ford#2.03.00