Deep Learning Applied to the Classification of Cocoa Beans (Theobroma cacao L.) According to Fermentation Quality
Loading...
Date
Directores
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Estatal Península de Santa Elena
Abstract
Description
The Theobroma cacao L. bean fermentation is an important post-harvest process for the development of its properties and aroma. Although cocoa fermentation is complex, farmers use empirical methods to determine its degree of fermentation. One of the traditional techniques used to recognize the quality of fermentation is the “Cut Test”, performed by a person manually. However, this type of techniques could have a computer-based alternative. Therefore, in this study, the use of convolutional neural networks (CNN) based on deep learning was analyzed to determine the degree of fermentation of cocoa beans. For this purpose, a model was developed whose performance was verified in terms of precision and confusion matrix. This model achieved a positive accuracy of 82 % and a confusion matrix with favorable numbers on the diagonal elements. These results show that CNN is a viable option for the classification of cocoa beans based on their fermentation.
La fermentación del grano de Theobroma cacao L. es un proceso postcosecha importante para el desarrollo de sus propiedades y del aroma. Aunque se trata de un proceso complejo, los agricultores utilizan métodos empíricos/tradicionales para determinar su grado de fermentación, como es la “Prueba de corte” realizada manualmente. No obstante, este tipo de técnicas podría tener una alternativa basada en computadores. Por ello, en este estudio se analizó el uso de redes neuronales convolucionales (CNN) basadas en el aprendizaje profundo, para determinar el grado de fermentación de los granos de cacao. Para el efecto, se desarrolló un modelo cuyo rendimiento fue comprobado en términos de precisión y matriz de confusión. Este modelo alcanzó una exactitud positiva del 82 % y una matriz de confusión con números favorables en los elementos diagonales. Estos resultados dan muestra de que CNN es una opción viable para la clasificación de granos de cacao según su fermentación.
La fermentación del grano de Theobroma cacao L. es un proceso postcosecha importante para el desarrollo de sus propiedades y del aroma. Aunque se trata de un proceso complejo, los agricultores utilizan métodos empíricos/tradicionales para determinar su grado de fermentación, como es la “Prueba de corte” realizada manualmente. No obstante, este tipo de técnicas podría tener una alternativa basada en computadores. Por ello, en este estudio se analizó el uso de redes neuronales convolucionales (CNN) basadas en el aprendizaje profundo, para determinar el grado de fermentación de los granos de cacao. Para el efecto, se desarrolló un modelo cuyo rendimiento fue comprobado en términos de precisión y matriz de confusión. Este modelo alcanzó una exactitud positiva del 82 % y una matriz de confusión con números favorables en los elementos diagonales. Estos resultados dan muestra de que CNN es una opción viable para la clasificación de granos de cacao según su fermentación.