Efectividad de un prototipo seleccionador de café cerezo con reconocimiento de imágenes usando machine learning

Abstract

La producción de cafés especiales es el objetivo principal de los caficultores a nivel mundial y depende de la selección de granos óptimos; sin embargo, especialmente en Latinoamérica, son procesados de manera manual y está influenciado por la subjetividad. El objetivo del artículo fue comprobar la efectividad de un prototipo seleccionador de café cerezo con reconocimiento de imágenes usando machine learning en tiempo real frente al método tradicional en la Asociación Valle Grande, Perú. Se empleó el procesamiento de redes neuronales covolucionales. Se entrenaron con el algoritmo YOLOv3 24.000 imágenes etiquetadas en el programa Labellmg de granos Catimor verde, maduro, pintón, sobre-maduro y seco. Los resultados describen el procedimiento de diseño y ensamblaje mecánico-electrónico del prototipo con las especificaciones técnicas necesarias para su replicación; además, demuestran su efectividad respecto a la reducción del tiempo de selección en 3 h aproximadamente, con un nivel de precisión del 94,00% en cuatro muestras de 100 kg de café. Se concluye que el prototipo es una alternativa potencial, reduciendo el costo, ahorrando tiempo y proporcionando una herramienta útil para garantizar la selección de granos que permita obtener calidad superior a 83 puntos SCAA.

The production of specialty coffees is the main objective of coffee growers worldwide and depends on the selection of optimal grains; however, especially in Latin America, they are processed manually and are influenced by subjectivity. The objective of the article was to verify the effectiveness of a cherry coffee sorting prototype with image recognition using machine learning in real time compared to the traditional method in the Valle Grande Association, Peru. Covolutional neural network processing was used. 24,000 images labeled in the Labellmg program of green, ripe, pinton, over-ripe and dry Catimor grains were trained with the YOLOv3 algorithm. The results describe the mechanical-electronic design and assembly procedure of the prototype with the necessary technical specifications for its replication; In addition, they demonstrate their effectiveness in reducing the selection time by approximately 3 hours, with a precision level of 94.0% in four samples of 100 kg of coffee. It is concluded that the prototype is a potential alternative, reducing cost, saving time and providing a useful tool to guarantee the selection of grains that allow obtaining quality higher than 83 SCAA points.