Clasificación óptima de los frutos de café por su madurez mediante algoritmo de control

• Resumen
• Abstract

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.

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.