Sistema de identificación del nivel de maduración de la cacota de cacao mediante procesamiento de imágenes con base en microcontroladores

Abstract

Este trabajo presenta el desarrollo de un sistema de visión artificial, para la detección del nivel de maduración de las cacotas de cacao mediante uso de redes neuronales convolucionales (CNN). El sistema está conformado por una cámara RPI v1, una Raspberry Pi 4 +B y un ordenador Hp Pavilion CI5. El proyecto inició con la conformación de un banco de imágenes con 572 unidades entre cacotas verdes y maduras de la especie ICS 60, para aumentar el banco de imágenes, se realizó el proceso de rotación +90°, −90° y espejo, con el cual se obtuvo una cantidad de 3.678 imágenes. Para llevar a cabo el aprendizaje y determinación del nivel de madurez de cacao, las imágenes se etiquetaron entre verdes y maduras, para ello se utilizó como criterio de experiencia la información suministrada por el cultivador de cacao. Se tomó el 80% (2.943) de la base de datos para el entrenamiento de la CNN con una red pre-entrenada Mobilenet-v2 tipo lineal mediante el software MATLAB®. El sistema captura la imagen y la información de la red pre-entrenada se envía al microcontrolador mediante transmisión inalámbrica con una red Wifi protegida con WPA2, se compara la imagen de entrada con la información de entrenamiento y el resultado es transferido a la interfaz gráfica desarrollada por la herramienta GUIDE de MATLAB®. Como parte de los resultados obtenidos, la precisión de validación adquirida durante el entrenamiento fue de 98.23% al utilizar el 20% (735) de las imágenes, la efectividad durante el proceso de pruebas en campo fue de 92.307%, a una tasa de error del 7.692%. La distancia máxima de trasmisión sin pérdidas fue de 20 mts entre el ordenador y prototipo a línea de vista con un rendimiento estable y eficiente.