Diseño de un prototipo de sistema de clasificación de manzanas según su defecto mediante técnicas de visión artificial para la inspección de calidad en procesos industriales

Abstract

El presente trabajo de titulación propone diseñar e implementar un prototipo de clasificadora a través de sistemas artificiales para la selección de manzanas con defecto y sin defecto con el fin de reducir costos y mano de obra utilizados en los sistemas de clasificación que se implementan en la post-cosecha de manzanas. La implementación está compuesta por una etapa de transportación donde un Motorreductor AC conectado a poleas moviliza una banda que transportara la fruta hacia la zona de visión de la cámara y hará la captura de video en tiempo real para el análisis de la fruta en el modelo entrenado, posterior pasará a la etapa de clasificación donde se cuenta con un servomotor conectado a una paleta montada en la base de la estructura de la clasificación en forma horizontal, así el sistema detecta si la fruta está en mal estado de tal manera que la paleta se abrirá y la fruta caerá hacia una gaveta de frutas malas, caso contrario la fruta continuara su recorrido si está en perfectas condiciones. El modelo fue entrenado en Teachable Machine con módulos de TensorFlow, la CNN que se aplica es MobileNet, dicho modelo se usa en un sistema creado en Python haciendo uso de OpenCv para la captura de imagen en tiempo real de la fruta, también bibliotecas para la comunicación serial con el controlador que hará girar el servomotor de acuerdo al análisis del estado de la fruta y también bibliotecas de QTdesigner para la interfaz de usuario. Se obtuvieron resultados de precisión por época de 0,9998 así como pérdida por época de 0.00098 es decir casi nula y 99% de predicción en las clases de tal manera que el sistema funciona correctamente de acuerdo a los parámetros planteados.