| Revista: | Alfa (El Alto) |
| Base de datos: | |
| Número de sistema: | 000561823 |
| ISSN: | 2664-0902 |
| Autores: | Portillo Mendoza, Pedro Miguel1 Ponce Alvino, Jefferson Peter1 |
| Instituciones: | 1Universidad Tecnológica del Perú, Lima. Perú |
| Año: | 2022 |
| Periodo: | Dic |
| Volumen: | 6 |
| Número: | 18 |
| Paginación: | 441-452 |
| País: | Bolivia |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Resumen en español | La presente investigación tiene como propósito conocer en qué medida un sistema de automático controlado por algoritmo, permite la clasificación óptima de los frutos de café según el grado de madurez identificándolos por su color. Para lo cual se desarrolló una red neuronal multicapa empleando MATLAB el cual se implementó en un microcontrolador STM32F103C8, empleando como datos de entrada las características de modo de color RGB de 300 muestras de frutos de café en distintos estados de maduración, entregadas por un sensor de color TCS3200, que permitió contar con una base de datos de distintos niveles de madurez empleados para entrenar la red neuronal tipo multicapa con 3 entradas; 3 capas ocultas con 6 neuronas en la primera capa y 3 en las otras dos, así como una neurona en la capa de salida. Los datos fueron organizados de acuerdo al estado de madurez de los frutos, en “Madurez óptima” o “Madurez No Óptima”. Se probó el sistema con 60 frutos de café, consiguiendo como resultado una eficiencia del 96,67% y un porcentaje de error de 3,33%; confirmando así, que el sistema de clasificación mediante el control del algoritmo y red neuronal multicapa diseñado, identifica y clasifica en base a la madurez de los frutos de café manera óptima. |
| Resumen en portugués | O objetivo desta pesquisa é saber até que ponto um sistema automático controlado por algoritmo permite a classificação ótima de frutos de café de acordo com o grau de maturidade, identificando-os pela cor. Para o qual foi desenvolvida uma rede neural multicamada utilizando o MATLAB que foi implementado em um microcontrolador STM32F103C8, utilizando como dados de entrada as características do modo de cor RGB de 300 amostras de frutos de café em diferentes estágios de maturação, entregues por um sensor de cor TCS3200, que permitiu ter um banco de dados de diferentes níveis de maturidade utilizado para treinar a rede neural do tipo multicamada com 3 entradas; 3 camadas ocultas com 6 neurônios na primeira camada e 3 nas outras duas, além de um neurônio na camada de saída. Os dados foram organizados de acordo com o estado de maturação dos frutos, em "Maturidade Óptima" ou "Maturidade Não Óptima". O sistema foi testado com 60 frutos de café, obtendo como resultado uma eficiência de 96,67% e uma taxa de erro de 3,33%; confirmando assim que o sistema de classificação através do controle do algoritmo e da rede neural multicamada projetada, identifica e classifica com base na maturidade dos frutos de café de forma otimizada. |
| Resumen en inglés | The purpose of this research is to know to what extent an algorithm-controlled automatic system allows the optimal classification of coffee fruits according to the degree of maturity, identifying them by their color. For which a multilayer neural network was developed using MATLAB which was implemented in a STM32F103C8 microcontroller, using as input data the RGB color mode characteristics of 300 samples of coffee fruits in different stages of maturation, delivered by a sensor of color TCS3200, which allowed having a database of different maturity levels used to train the multilayer type neural network with 3 inputs; 3 hidden layers with 6 neurons in the first layer and 3 in the other two, as well as one neuron in the output layer. The data was organized according to the state of maturity of the fruits, in "Optimal Maturity" or "Non-Optimal Maturity". The system was tested with 60 coffee fruits, obtaining as a result an efficiency of 96.67% and an error rate of 3.33%; thus confirming that the classification system through the control of the algorithm and multilayer neural network designed, identifies and classifies based on the maturity of the coffee fruits optimally. |
| Disciplinas: | Agrociencias |
| Palabras clave: | Clasificación de café, Algoritmo, Colores RGB, Red neuronal, Algoritmo de control, Plantas para uso industrial |
| Keyword: | Coffee classification, Algorithm, RGB colors, Neural network, Control algorithm, Plants for industrial use |
| Texto completo: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
