Ingeniría Electrónica · 2025
Nuevo método para la evaluación de la calidad del grano de arroz basado en procesamiento digital de imágenes y aprendizaje de máquinas
La calidad del arroz se determina a partir de la evaluación de sus granos, clasificándolos como enteros o partidos. Esta clasificación es fundamental en la agroindustria, ya que incide directamente en el valor comercial del producto. Actualmente, este proceso se realiza manualmente, lo cual lo hace tedioso, subjetivo, propenso a errores y difícil de reproducir a gran escala. En este trabajo se propone el desarrollo de una técnica automática para la detección y clasificación de la calidad de los granos de arroz, empleando procesamiento de imágenes, métodos matemáticos y aprendizaje profundo. La metodología inicia con la adquisición de imágenes de las muestras, seguida de una etapa de preprocesamiento en la que se aplican técnicas de umbralización, filtrado y transformaciones morfológicas para la correcta segmentación de cada grano. Para mejorar la precisión del proceso, se implementa una red neuronal convolucional basada en la arquitectura U-Net++, especializada en tareas de segmentación semántica. Esta red permite una segmentación más detallada y robusta, incluso en escenarios con solapamiento o variabilidad en la forma de los granos. Posteriormente, se calculan métricas geométricas como la circularidad para caracterizar y clasificar los granos segmentados. Esta propuesta busca optimizar el proceso de evaluación, haciéndolo más rápido, preciso y escalable, aportando una solución eficiente y confiable al sector agroindustrial.