Actualmente, en muchas empresas agroindustriales de México, la clasificación de manzanas se hace de forma manual lo que en ocasiones genera deficiencias en la calidad del producto. Estos problemas podrían resolverse o reducirse con la implementación de equipos de visión en sitio equipados con algoritmos inteligentes. En este trabajo presentamos como objeto de estudio la clasificación de manzanas Red Delicious, Granny Smith, Golden Delicious y Gala, mediante algoritmos de inteligencia artificial. Comparamos la eficiencia de dos arquitecturas, la primera es una red neuronal convolucional (CNN) Lenet5, y la segunda es la red convolucional VGG16 a la cual se le aplicaron técnicas de transferencia de aprendizaje de entrenamientos previos con Imagenet que contiene 1.4 millones de imágenes con 1,000 clases diferentes, presentamos para nuestros experimentos un conjunto de datos de cuatro categorías de manzanas que en total suman 2,400 imágenes con dimensión de 800×600 píxeles cada una, el 70% de las imágenes de manzanas fueron para entrenamiento, el 15% para validación y 15% para prueba. La red que mejor resultados entrego fue VGG16 con la técnica de entonación fina (fine-tuning) se reentrenaron 8,130,564 parámetros de un total de 15,765,828 y su precisión fue de 99%.
Autores: Juan Carlos Olguın-Rojas, J. Irving Vasquez-Gomez, Gilberto de Jesus Lopez-Cantens, and Juan Carlos Herrera-Lozada
Más detalles en el preprint: