Development of an artificial vision algorithm using image processing techniques to assess the characteristics of export-grade bananas
DOI:
https://doi.org/10.4025/actascitechnol.v48i1.73898Palavras-chave:
Python; artificial vision; processing; algorithm; export.Resumo
The main objective of this study is to develop a computer vision algorithm capable of identifying export-quality bananas, simplifying the quality control process. Unlike previous research, such as that of Figueroa and Roa (2016), which focused on different fruits using segmentation and clustering techniques, this work integrates a controlled lighting system and advanced neural networks trained with TensorFlow. These innovative approaches ensure an average accuracy of 97.22%, surpassing previous standards in the field and demonstrating their applicability in industrial settings.
Downloads
Referências
Arrieta, A. J., Baquero, U. M., & Barrera, J. L. (2006). Caracterización fisicoquímica del proceso de maduración del plátano ‘papocho’ (musa abb simmonds). Repositorio Institucional UNAL. https://repositorio.unal.edu.co/handle/unal/33144
Artola, A. (2019). Clasificación de imágenes usando redes neuronales convolucionales en Python [Dissertação de Mestrado, Universidad de Sevilla]. Repositorio de la Universidad de Sevilla. https://hdl.handle.net/11441/89506
Benito, P., Arellanes, N., & Pérez, M. E. (2015). Color and state of maturity of fruit of the husk tomato. Agronomía Mesoamericana, 27(1), 115–130. https://doi.org/10.15517/am.v27i1.21891
Challenger, I., Díaz, Y., & Becerra, R. (2014). El lenguaje de programación Python/The programming language Python. Revista Ciencias Holguin, 10(3), 1–15. https://www.redalyc.org/pdf/1815/181531232001.pdf
Chernov, V., Alander, J., & Bochko, V. (2015). Integer-based accurate conversion between RGB and HSV color spaces. Computers & Electrical Engineering, 46, 39–48. https://doi.org/10.1016/j.compeleceng.2015.08.005
Dominguez, T. (2021). Visión artificial: Aplicaciones prácticas con Open CV-Python. Anaya Multimedia.
Figueredo, G., & Ballesteros, J. (2015). Identificación del estado de madurez de las frutas con redes neuronales artificiales, una revisión. Revista Ciencia y Agricultura, 12(2), 65–75. https://doi.org/10.19053/01228420.4811
Figueroa, D., & Roa, E. (2016). Sistema de visión artificial para la identificación del estado de madurez de frutas (granadilla). Redes de Ingeniería, 7(1), 77–86. http://dx.doi.org/10.14483/udistrital.jour.redes.2016.1.a08
Gallego, V., Herrera, A., & Toro, M. (2018). Competitividad del sector hortofrutícola en relación con la exportación del plátano en el departamento de Risaralda en los años 2018-2021 [Trabalho de conclusão de curso, Universidad Católica de Pereira]. Repositorio Institucional. http://hdl.handle.net/10785/12483
Heras, D. (2017). Clasificador de imágenes de frutas basado en inteligencia artificial. Killkana Técnica, 1(2), 21–28. https://doi.org/10.26871/killkana_tecnica.v1i2.79
Hug, H. (2020). Surprise: A Python library for recommender systems. Journal of Open Source Software, 5(52), 2174. https://doi.org/10.21105/joss.02174
Negrín, L., Barros, R., Da Silva, A., Figueiredo, A., & Cárdenas, N. (2013). Comportamiento mecánico de dos variedades de mango (Mangifera Indica) bajo compresión axial. Revista Ciencias Técnicas Agropecuarias, 22(1), 1–8. https://www.redalyc.org/articulo.oa?id=93225718002
Obregon, F., & Cachay, L. (2017). Maduración controlada y color en bananos [Tese de Doutorado, Universidad Nacional de San Martín]. Repositorio de la Universidad Nacional de San Martín. http://hdl.handle.net/11458/2499
Raschka, S., Patterson, J., & Nolet, C. (2020). Machine learning in Python: main developments and technology trends in data science, machine learning, and artificial intelligence. Informatics, 11(4), 193. https://doi.org/10.3390/info11040193
Rivera, M. (2012). Manual práctico para el cultivo sustentable del plátano. Universidad de Puerto Rico. https://www.uprm.edu/cms/index.php?a=file&fid=15184
Semenovich, M., Zotikovna, E., Vasilievna, T., Anatolyevich, M., & Alekseyevna, R. (2020). Desarrollo de un curso de programación para estudiantes de una institución de educación superior de formación docente utilizando el lenguaje de programación Python. Propósitos y Representaciones, 8(3), 1–12. http://dx.doi.org/10.20511/pyr2020.v8n3.484
Torres, R., Montes, E., Perez, O., & Andrade, R. (2015). Influencia del Color y Estados de Madurez sobre la Textura de Frutas Tropicales (Mango, Papaya y Plátano). Información Tecnológica, 26(3), 85–94. http://dx.doi.org/10.4067/S0718-07642015000300008
Viera, G. (2017). Procesamiento de imágenes usando OpenCV aplicado en Raspberry Pi para la clasificación del cacao [Tese de Doutorado, Universidad de Piura]. Repositorio da Universidad de Piura. https://hdl.handle.net/11042/2916
Villaverde, J., Oliveira, L., Vilela, C., Domínguez, R., Freitas, N., Cordeiro, N., Freire, C., & Silvestre, A. (2013). Compuestos de alto valor a partir de la piel inmadura de varias especies de Musa cultivadas en la isla de Madeira (Portugal). Revista Cultivos y Productos Industriales, 46, 49–57. https://doi.org/10.1016/j.indcrop.2012.06.037
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2026 Ryan Abraham León León, Martin Antonio Renteria Davila (Autor)
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
DECLARAÇíO DE ORIGINALIDADE E DIREITOS AUTORAIS
Declaro que o presente artigo é original, não tendo sido submetido í publicação em qualquer outro periódico nacional ou internacional, quer seja em parte ou em sua totalidade.
Os direitos autorais pertencem exclusivamente aos autores. Os direitos de licenciamento utilizados pelo periódico é a licença Creative Commons Attribution 4.0 (CC BY 4.0): são permitidos o compartilhamento (cópia e distribuição do material em qualqer meio ou formato) e adaptação (remix, transformação e criação de material a partir do conteúdo assim licenciado para quaisquer fins, inclusive comerciais.
Recomenda-se a leitura desse link para maiores informações sobre o tema: fornecimento de créditos e referências de forma correta, entre outros detalhes cruciais para uso adequado do material licenciado.
