Clasificador de productos agrícolas para control de calidad basado en Machine Learning e Industria 4.0.
En la actualidad, las técnicas empíricas en la producción agrícola ecuatoriana para la identificación y clasificación de productos no son suficientes para alcanzar estándares de calidad con normas de inocuidad alimentaria y así lograr cubrir la demanda de un mercado internacional. Este trabajo prese...
| Autores: | , |
|---|---|
| Tipo de recurso: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2020 |
| País: | Ecuador |
| Institución: | Escuela Superior Politécnica de Chimborazo |
| Repositorio: | Repositorio Escuela Superior Politécnica de Chimborazo |
| Idioma: | español |
| OAI Identifier: | oai:dspace.espoch.edu.ec:123456789/15772 |
| Acceso en línea: | http://dspace.espoch.edu.ec/handle/123456789/15772 |
| Access Level: | acceso abierto |
| Palabra clave: | AUTOMATIZACIÓN INTELIGENCIA ARTIFICIAL TECNOLOGÍA AGRÍCOLA K-NEAREST NEIGHBORS (KNN) AUTOMATION ARTIFICIAL INTELLIGENCE MESSAGE QUEUING TELEMETRY TRANSPORT (MQTT) AGRICULTURAL TECHNOLOGY |
| Sumario: | En la actualidad, las técnicas empíricas en la producción agrícola ecuatoriana para la identificación y clasificación de productos no son suficientes para alcanzar estándares de calidad con normas de inocuidad alimentaria y así lograr cubrir la demanda de un mercado internacional. Este trabajo presenta un sistema capaz de supervisar, identificar y clasificar la calidad de productos del sector agrícola, mediante la aplicación de técnicas de soft computing y algoritmos de machine learning que contribuyen a la identificación de imágenes en tiempo real. La investigación permitió implementar algoritmos de clasificación de K vecinos más cercanos para etiquetar los productos según su calidad y enviar los reportes en tiempo real a una aplicación web mediante el protocolo MQTT. Los productos utilizados para este estudio fueron bananas, naranjas, plátano verde y manzanas. Los resultados obtenidos permitieron determinar el mínimo número de imágenes requeridos para el entrenamiento de los modelos de identificación y las tasas de error de identificación durante la etapa de validación. |
|---|