Resumen

PAREDES, Eimy J  y  MANZANO, Edgar A. Deep Learning Implementation for Peruvian Blueberry Export Standards: A YOLOv8n Solution. Enfoque UTE [online]. 2025, vol.16, n.4, pp.30-39. ISSN 1390-6542.  https://doi.org/10.29019/enfoqueute.1187.

Este estudio propone un sistema de visión artificial basado en YOLOv8n, una arquitectura de red neuronal convolucional optimizada, para la clasificación en tiempo real del grado de madurez de arándanos. La solución desarrollada automatiza la detección de tres estados de madurez (verde, semi-ripe y maduro) para aplicaciones de agricultura de precisión y cumplimiento de la Norma Técnica Peruana (NTP) para exportación. A partir de una experimentación exhaustiva utilizando un conjunto de datos curado de 550 imágenes recolectadas en campo, el modelo optimizado alcanza un desempeño competitivo en métricas clave de evaluación —incluyendo precisión, exhaustividad, precisión promedio (AP), precisión promedio media (mAP) y puntuación F1— en comparación con estudios previos relevantes. Se destaca su sólido desempeño en la identificación de fruta madura, con un F1-score de 0.886. Los resultados validan el potencial del sistema para mejorar la eficiencia de cosecha y garantizar el cumplimiento de estándares internacionales de calidad mediante inspección visual automatizada.

Palabras clave : Aprendizaje profundo; visión por computadora; YOLOv8n; arándano; clasificación de madurez; agricultura de precisión.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )