{"id":164,"date":"2026-04-17T11:55:00","date_gmt":"2026-04-17T16:55:00","guid":{"rendered":"https:\/\/academia.utp.edu.co\/ia-e-industria\/?page_id=164"},"modified":"2026-04-17T11:57:21","modified_gmt":"2026-04-17T16:57:21","slug":"clasificacion-automatica-de-estados-de-madurez-de-frutas-utilizando-hsi-y-cnns","status":"publish","type":"page","link":"https:\/\/academia.utp.edu.co\/ia-e-industria\/clasificacion-automatica-de-estados-de-madurez-de-frutas-utilizando-hsi-y-cnns\/","title":{"rendered":"Clasificaci\u00f3n autom\u00e1tica de estados de madurez de frutas utilizando HSI y CNNs"},"content":{"rendered":"\n
\n
\n

Autores<\/strong>:<\/h2>\n\n\n\n

Yeison Stiven Jim\u00e9nez Mej\u00eda, Germ\u00e1n Andr\u00e9s Holgu\u00edn Londo\u00f1o<\/p>\n<\/div>\n\n\n\n

<\/div>\n<\/div>\n\n\n\n

Problema<\/strong><\/h1>\n\n\n\n

Con el crecimiento de la poblaci\u00f3n a nivel mundial y la pandemia del COVID-19, varios sectores se vieron afectados, en especial la agricultura y las industrias de alimentos. Consecuentemente, esto est\u00e1 ligado a la escasez de tierras disponibles para la agricultura y al desperdicio de alimentos a nivel global, lo cual representa una amenaza para la seguridad alimentaria y nutricional de los individuos. Por esto, se precisa aplicar metodolog\u00edas que contribuyan a mitigar esta problem\u00e1tica y que salvaguarden la calidad de vida de las personas desde el punto de vista alimenticio. Por lo tanto, conocer el estado de maduraci\u00f3n \u00f3ptimo de las frutas es un desaf\u00edo para la agricultura, la agroindustria y las comercializadoras de alimentos, entre otros campos. Este aspecto es clave para preservar la calidad de los productos alimenticios, conservando su frescura, dulzura y sabor adecuados para el consumidor.<\/p>\n\n\n\n

En consecuencia, se propone un sistema de visi\u00f3n por computadora capaz de determinar los estados de madurez de tres frutas climat\u00e9ricas (es decir, cuyo proceso de maduraci\u00f3n contin\u00faa despu\u00e9s de ser cosechadas) mediante im\u00e1genes hiperespectrales (HSI) y redes neuronales convolucionales (CNN). Esto permitir\u00e1 la toma de decisiones en cuanto a los procesos log\u00edsticos y de mercado (almacenamiento, distribuci\u00f3n, comercializaci\u00f3n y consumo de productos alimenticios). De este modo, se plantea una clasificaci\u00f3n autom\u00e1tica de los estados de madurez de frutas aplicando m\u00e9todos no destructivos.<\/p>\n\n\n\n

\n
\n
\"\"<\/figure>\n<\/div><\/div>\n\n\n\n
\n
\"\"<\/figure>\n<\/div><\/div>\n<\/div>\n\n\n\n

Figura 1. Im\u00e1genes hiperespectrales de dos frutas climat\u00e9ricas: Aguacate y Papaya.<\/p>\n\n\n\n

Base de datos<\/strong><\/h2>\n\n\n\n

Para entrenar el sistema, se utiliz\u00f3 una base de datos de HSI construida por Leon Varga et al., [1], en el a\u00f1o 2021, utilizando tres c\u00e1maras hiperespectrales diferentes, dos para la regi\u00f3n visible (VIS) y otra para la regi\u00f3n infrarroja cercana (NIR) del espectro electromagn\u00e9tico. Dicha base de datos se comparti\u00f3 de manera p\u00fablica en el siguiente enlace dataset<\/a>. Donde, los conjuntos de im\u00e1genes se encuentran as\u00ed:<\/p>\n\n\n\n