Development of an artificial vision algorithm with neural networks to detect coffee berry borer in coffee beans
DOI:
https://doi.org/10.4025/actascitechnol.v47i1.71113Abstract
This research addresses the problem of coffee berry borer in coffee plantations, which causes significant economic losses to companies in the coffee industry. This pest affects the quality of the coffee beans, reducing their market value and decreasing revenues. To address this issue, the use of artificial vision with neural networks is proposed as a solution. The main objective of this study is to develop a computer vision algorithm using convolutional neural networks to detect coffee bean defects caused by the coffee berry borer through image processing. Ultimately, this research aims to implement a coffee bean classification solution that achieves an efficiency of 91.8% based on the given criteria.
Downloads
References
Aparicio, L., Amaya, O., & Devia, P. (2023). Aplicación de deep learning para la identificación de defectos superficiales utilizados en control de calidad de manufactura y producción industrial: Una revisión de la literatura. Ingeniería, 28(1). https://doi.org/10.14483/23448393.18934 DOI: https://doi.org/10.14483/23448393.18934
Araújo, C., Oliveira, L., & Eça, G. (2023). Counting of shoots of Eucalyptus sp. clones with convolutional neural network. Pesquisa Agropecuária Brasileira, 58. https://doi.org/10.1590/S1678-3921.pab2023.v58.03363 DOI: https://doi.org/10.1590/s1678-3921.pab2023.v58.03363
Araújo, C., Souza, P., Assis, A., Cabacinha, C., Leite, H., Soares, C., Silva, A., & Castro, R. (2019). Artificial neural networks, quantile regression, and linear regression for site index prediction in the presence of outliers. Pesquisa Agropecuária Brasileira, 54, e00078. https://doi.org/10.1590/S1678-3921.pab2019.v54.00078 DOI: https://doi.org/10.1590/s1678-3921.pab2019.v54.00078
Cargua, J., Luna, A., González, H., Cedeño, G., & Cedeño, A. (2022). Crecimiento y calidad de plantas de café arábica con la aplicación de biochar y biofertilizantes en vivero. Chilean Journal of Agricultural & Animal Sciences, 38(1), 3–14. https://dx.doi.org/10.29393/chjaas38-lccja50001 DOI: https://doi.org/10.29393/CHJAAS38-1CCJA50001
Castrillón, J., Sanz, J., & Ramos, P. (2017). Algoritmo para la identificación de café lavado afectado por la broca del café. Revista Cenicafé, 68(2), 7–19. https://biblioteca.cenicafe.org/bitstream/10778/1081/1/arc068%2802%297-19.pdf
Herrera, J., Medina, S., Beleño, K., & Gualdrón, O. (2016a). Diseño de un sistema automático de selección de frutos de café mediante técnicas de visión artificial. Revista UIS Ingenierías, 15(1), 7–14. https://doi.org/10.18273/revuin.v15n1-2016001 DOI: https://doi.org/10.18273/revuin.v15n1-2016001
Herrera, J., Medina, S., Martinez, G., Beleño, K., & Berrio, J. (2016b). Clasificación de los frutos de café según su estado de maduración y detección de la broca mediante técnicas de procesamiento de imágenes. Scientia Agropecuaria, 14(1), 15–22. http://www.scielo.org.co/scielo.php?pid=S1692-82612016000100002&script=sci_arttext DOI: https://doi.org/10.15665/rp.v14i1.640
Mansilla, R., Espejo, R., Bernacchia, G., Wither, J., Quispe, C., & López, C. (2021). Genetic diversity and population structure of a Peruvian Coffea arabica L. collection. Chilean Journal of Agricultural Research, 81(2), 138–150. https://dx.doi.org/10.4067/S0718-58392021000200138 DOI: https://doi.org/10.4067/S0718-58392021000200138
Portocarrero, A., Vilca, E., Ortiz, B., Miranda, L., & Jiménez, H. (2023). Adaptación de inteligencia artificial por el modelo de regresión múltiple estocástica para determinar la calidad de la fibra de alpaca (Lama pacos). Revista de Investigaciones Veterinarias del Perú, 34(2). https://dx.doi.org/10.15381/rivep.v34i2.23130 DOI: https://doi.org/10.15381/rivep.v34i2.23130
Quintero, A., Ríos, L., Quintana, D., & León, B. (2019). Sistema experto para el diagnóstico presuntivo de enfermedades fúngicas en los cultivos. Revista Cubana de Ciencias Informáticas, 13(1), 61–75. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2227-18992019000100061&lng=es&tlng=es
Rosas, C., Solís, H., & Cueva, A. (2019). Sistema eficiente y de bajo costo para la selección de granos de café: Una aplicación de la visión artificial. Scientia Agropecuaria, 10(3), 347–351. https://dx.doi.org/10.17268/sci.agropecu.2019.03.04 DOI: https://doi.org/10.17268/sci.agropecu.2019.03.04
Teodoro, P., Barroso, L., Nascimento, M., Torres, F., Sagrilo, E., Santos, A., & Ribeiro, L. (2015). Redes neurais artificiais para identificar genótipos de feijão-caupi semiprostrado com alta adaptabilidade e estabilidade fenotípicas. Pesquisa Agropecuária Brasileira, 50(11), 1054–1060. https://doi.org/10.1590/S0100-204X2015001100008 DOI: https://doi.org/10.1590/S0100-204X2015001100008
Tovar, T., Calvo, F., & Bejarano, A. (2022). Desarrollo de un sistema de clasificación de imágenes digitales para medir la humedad en granos de café. Información Tecnológica, 33(3), 117–128. https://dx.doi.org/10.4067/S0718-07642022000300117 DOI: https://doi.org/10.4067/S0718-07642022000300117
Vásquez, W., Inga, M., & Betalleluz, I. (2022). Inteligencia artificial en acuicultura: Fundamentos, aplicaciones y perspectivas futuras. Scientia Agropecuaria, 13(1), 79–96. https://dx.doi.org/10.17268/sci.agropecu.2022.008 DOI: https://doi.org/10.17268/sci.agropecu.2022.008
Vives, L., Mejía, H., Vilcherrez, K., & Vassallo, M. (2014). Visión artificial: Aplicación de filtros y segmentación en imágenes de hojas de café. Ingeniería: Ciencia, Tecnología e Innovación, 1(2), 71. https://doi.org/10.26495/icti.v1i2.198 DOI: https://doi.org/10.26495/icti.v1i2.198
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Ryan Abraham León León, Martin Antonio Renteria Davila, Bryan Alexander Lara Guerra, Anapaula Manosalva Ruíz, Cristina Azucena Sotomayor Montenegro (Autor)
This work is licensed under a Creative Commons Attribution 4.0 International License.
DECLARATION OF ORIGINALITY AND COPYRIGHTS
I Declare that current article is original and has not been submitted for publication, in part or in whole, to any other national or international journal.
The copyrights belong exclusively to the authors. Published content is licensed under Creative Commons Attribution 4.0 (CC BY 4.0) guidelines, which allows sharing (copy and distribution of the material in any medium or format) and adaptation (remix, transform, and build upon the material) for any purpose, even commercially, under the terms of attribution.
Read this link for further information on how to use CC BY 4.0 properly.
8.png){kind=logo}
