Sistema de trazabilidad interna de cultivos de fresa implementando herramientas de procesamiento digital de imágenes en el Rosal Cundinamarca

Abstract

En el presente documento se desarrolla un Sistema de trazabilidad interna para cultivos de fresa por medio de imágenes analizadas con inteligencia artificial. Se desarrolló un aplicativo cuyo apartado principal es el registro y envió de fotografías que ejecutan una red neuronal entrenada para determinar por cada foto la etapa en la que se encuentra con una precisión alrededor del 80%, el error general de la red es menor al 20% y la precisión aumenta teniendo en cuenta que las imágenes clasificadas de manera errónea no se encuentran alejadas de su etapa y adicionalmente por cada registro de trazabilidad se pide tomar un muestra de fotos significativa. La red por medio de la clasificación establecida es capaz de predecir una fecha estimada para la cosecha por cada avance que se registre; al usar procesamiento digital de imágenes se ayuda a identificar si el cultivo se encuentra retrasado o tiempo y finalmente se permite al cultivador generar un reporte sobre el resumen de los registros tomados. Los resultados se establecieron con análisis de sentimientos por medio de una comunidad de Fresicultores del Rosal Cundinamarca con los que logramos tener un acercamiento; además también se realizaron pruebas en 3 cultivos diferentes en el municipio tomando imágenes que la red no conocía y llevando el desarrollo a una implementación en un entorno real, con esto se concluye que la precisión de la red es la adecuada teniendo en cuenta el entorno en el que se establece el proyecto.

This paper develops an internal traceability system for strawberry crops by means of images analyzed with artificial intelligence. An application was developed whose main section is the registration and sending of photographs that run a neural network trained to determine for each photo the stage in which it is with an accuracy of about 80%, the overall error of the network is less than 20% and the accuracy increases taking into account that the misclassified images are not far from their stage and additionally for each traceability record is asked to take a significant sample of photos. The network by means of the established classification is able to predict an estimated harvest date for each progress recorded; by using digital image processing it helps to identify if the crop is late or on time and finally allows the grower to generate a report on the summary of the records taken. The results were established with sentiment analysis through a community of strawberry growers of Rosal Cundinamarca with whom we were able to have an approach; in addition, tests were also conducted in 3 different crops in the municipality taking images that the network did not know and taking the development to an implementation in a real environment, with this it is concluded that the accuracy of the network is adequate considering the environment in which the project is established.