Modelos de predicción del tiempo de vida útil y clasificación de madurez en aguacates Hass mediante Deep Learning
Loading...
Date
2026
Journal Title
Journal ISSN
Volume Title
Publisher
Pontificia Universidad Javeriana Cali
Share
Abstract
Este proyecto desarrolló un sistema inteligente que combina visión por computador y aprendizaje profundo para clasificar la madurez del aguacate Hass y predecir su vida útil en días. La iniciativa surgió como respuesta al alto nivel de desperdicio de esta fruta en los procesos de distribución y comercialización en la región. El diseño contempló dos modelos, uno de clasificación en cuatro etapas de madurez y otro de regresión para estimar los días hasta el deterioro completo, ambos entrenados con una base de datos pública de imágenes de aguacates en distintos estados de maduración. Se integró una interfaz que permite cargar fotografías y visualizar tanto la clase de madurez como la predicción de vida útil. El sistema permitió el análisis del estado de madurez de aguacates, promoviendo su consumo en tiempos adecuados y reduciendo así la posibilidad de desperdicio, brindando una herramienta práctica para distribuidores, comerciantes y consumidores mediante decisiones objetivas basadas en métricas validadas. Los resultados obtenidos incluyen dos modelos de aprendizaje profundo con métricas de desempeño validadas, un análisis de efectividad y precisión, y un prototipo funcional de interfaz que integra ambos sistemas, contribuyendo así a la aplicación de tecnologías de inteligencia artificial en el sector agrícola colombiano.
item.page.abstract.eng
This project developed an intelligent system combining computer vision and deep learning to classify the ripeness stage of Hass avocados and predict their remaining shelf life in days. The initiative arose in response to the high levels of food waste generated during the distribution and commercialization of this fruit in the region. Two models were implemented: a classification model that identifies ripeness across four maturity stages, and a regression model that estimates the number of days remaining until complete deterioration, both trained on a publicly available dataset of Hass avocado images captured across different ripening states. A functional interface was integrated to allow users to upload photographs and visualize both the predicted ripeness class and the estimated shelf life. The system enabled the analysis of avocado ripeness stages, promoting their consumption at the right time and thereby reducing the possibility of food waste, providing a practical and objective tool for distributors, retailers, and consumers to make informed decisions based on validated performance metrics. Results include two deep learning models with validated performance metrics, a comprehensive analysis of their effectiveness and accuracy, and a functional interface prototype integrating both prediction systems, thereby contributing to the application of artificial intelligence technologies in the Colombian agricultural sector.