Fabricación de prototipo de sistema de control de calidad para la detección de contaminantes superficiales en cosechas de naranjas Citrus sisnensis Obs utilizando visión artificial

Abstract

El presente trabajo de investigación tiene como objetivo crear un prototipo de sistema de control de calidad basado en visión artificial para identificar contaminantes superficiales en las naranjas Citrus sinensis Obs. Se puso en práctica un método experimental que fusionó algoritmos de aprendizaje profundo (YOLOv5) y métodos de procesamiento de imágenes (OpenCV) en una plataforma asequible (Raspberry Pi 5). Se implementó el sistema en una banda transportadora automatizada para replicar condiciones de producción reales.

Los hallazgos evidenciaron un incremento considerable en la exactitud de detección en comparación con la utilización independiente de YOLO. El sistema integrado logró una precisión del 90-98% en la identificación de naranjas sanas, 85-91.42% en las infectadas con Colletotrichum, 88-97.15% en las infectadas con Penicillium, y 92-99% en la identificación de elementos no naranja. Adicionalmente, el prototipo consiguió manejar hasta 8 naranjas cada minuto, sobrepasando la eficacia a largo plazo de la inspección manual.

El aporte de este proyecto reside en la fusión de métodos sofisticados de visión artificial con equipo económico, lo que conlleva a un sistema de control de calidad eficiente y accesible para pequeños productores. El prototipo elaborado, que cuesta menos de $400, constituye una solución revolucionaria que balancea exactitud, rapidez y accesibilidad, favoreciendo de esta manera la mejora de los procedimientos de control de calidad en la producción de naranjas, particularmente en el marco de la Agricultura Familiar Campesina en Ecuador.