Modelos de predicción del tiempo de vida útil y clasificación de madurez en aguacates Hass mediante Deep Learning

Simple item page
dc.contributor.advisorTorres Valencia, Cristian Alejandro
dc.contributor.advisorMartínez Arias, Juan Carlos
dc.contributor.authorEnriquez Estrada, Sebastián
dc.contributor.authorEscobar Llanos, Samuel
dc.date.accessioned2026-09-01T16:47:09Z
dc.date.available2026-09-01T16:47:09Z
dc.date.issued2026
dc.description.abstractEste 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.spa
dc.description.abstractThis 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.eng
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero(a)de Sistemas y Computación
dc.format.extent105 p.
dc.format.mimetypeapplication/pdf
dc.identifier.urihttp://hdl.handle.net/11522/5769
dc.language.isospa
dc.publisherPontificia Universidad Javeriana Cali
dc.publisher.departmentFacultad de Ingeniería y Ciencias
dc.publisher.programIngeniería de Sistemas y Computación
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectAprendizaje profundospa
dc.subjectVisión por computadorspa
dc.subjectClasificación de madurezspa
dc.subjectPredicción de vida útilspa
dc.subjectAguacate Hassspa
dc.subjectDeep learningeng
dc.subjectComputer visioneng
dc.subjectMaturity classificationeng
dc.subjectShelf life predictioneng
dc.subjectHass avocadoeng
dc.titleModelos de predicción del tiempo de vida útil y clasificación de madurez en aguacates Hass mediante Deep Learningspa
dc.typebachelor thesis
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
dc.type.redcolhttps://purl.org/redcol/resource_type/TP
Files
Original bundle
Now showing 1 - 2 of 2
No Thumbnail Available
Name:
Prediccion_clasificacion_aguacates.pdf
Size:
5.37 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Licencia_autorizacion.pdf
Size:
376.93 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Ingeniería de Sistemas y Computación