Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio
×
Español (España) | English
Editorial
Inicio
Indexación
Artículos originales

Uso de Redes Neuronales convolucional (CNN) para el reconocimiento de la calidad de las naranjas en el Perú para el año 2023

By
Franklin Moza-Villalobos ,
Franklin Moza-Villalobos

Universidad Tecnológica del Perú, Facultad de Ingeniería. Lima, Perú

Search this author on:

PubMed | Google Scholar
Juan Natividad-Villanueva ,
Juan Natividad-Villanueva

Universidad Tecnológica del Perú, Facultad de Ingeniería. Lima, Perú

Search this author on:

PubMed | Google Scholar
Brian Meneses-Claudio ,
Brian Meneses-Claudio

Universidad Tecnológica del Perú, Facultad de Negocios. Lima, Perú

Search this author on:

PubMed | Google Scholar

Resumen

Introducción: El ámbito agrícola en el Perú ha presenciado un notable aumento en la producción de naranjas, lo que ha fomentado el empleo esencial de las redes neuronales convolucionales (CNN). La capacidad de interpretación de imágenes por parte de la inteligencia artificial visual ha resultado fundamental para el análisis y procesamiento de estas imágenes, especialmente en la detección y clasificación de frutas, destacándose en el caso específico de las naranjas
Objetivo: Realizar una revisión sistemática de la literatura (RSL) para evaluar las redes neuronales utilizadas en la clasificación de naranjas en Perú.
Método: Se llevó a cabo una RSL utilizando la estrategia PICO para la búsqueda en la base de datos Scopus. Los criterios de selección incluyeron estudios que emplearan redes neuronales convolucionales para clasificar el estado de calidad de las naranjas en el contexto peruano.
Resultados: Todos los estudios revisados se basaron en el uso de redes neuronales convolucionales (CNN) para la clasificación de frutas, empleando diversas arquitecturas y técnicas. Algunos estudios se centraron en una sola fruta específica, mientras que otros abordaron la clasificación de múltiples tipos de frutas, destacando la importancia de la cantidad y variedad de imágenes para el entrenamiento de las redes.
Conclusiones: Las redes neuronales convolucionales muestran eficacia en la clasificación de naranjas, pero la calidad de las imágenes y la variedad de datos son fundamentales para mejorar la precisión.

Cómo citar

1.
Moza-Villalobos F, Natividad-Villanueva J, Meneses-Claudio B. Uso de Redes Neuronales convolucional (CNN) para el reconocimiento de la calidad de las naranjas en el Perú para el año 2023. Data and Metadata [Internet]. 29 de diciembre de 2023 [citado 6 de julio de 2024];2:175. Disponible en: https://dm.saludcyt.ar/index.php/dm/article/view/175

Este artículo se distribuye bajo la licencia Creative Commons Attribution 4.0 License. A menos que se indique lo contrario, el material publicado asociado se distribuye bajo la misma licencia.

Article metrics

Google scholar: See link

Métricas

Cargando métricas ...

The statements, opinions and data contained in the journal are solely those of the individual authors and contributors and not of the publisher and the editor(s). We stay neutral with regard to jurisdictional claims in published maps and institutional affiliations.