Abstract:
CONDITION FOR PUBLICATION OF PROJECT. Fine-flavor cocoa is one of Ecuador’s main export products; however, manual bean classification still used in post-harvest processes presents limitations associated with subjectivity, operator fatigue, and low efficiency. In this context, the project aims to design and build a prototype of an automated inspection system, based on computer vision and a YOLO-based artificial intelligence model, to detect physical defects in cocoa beans and optimize the selection process. A laboratory prototype was developed, consisting of a conveyor belt, a controlled lighting system, an area-scan camera, the classification model, and a pneumatic ejection mechanism, all integrated through an ESP32 microcontroller. Tests demonstrated stable performance of the subsystems and a classification accuracy above 90 % under controlled conditions. It is concluded that the proposed system constitutes a viable and replicable alternative to improve efficiency and reliability in cocoa bean selection processes.
Keywords: computer vision, automated classification, cocoa, artificial intelligence.
Description:
CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. El cacao fino de aroma representa uno de los principales productos de exportación de Ecuador, pero la clasificación manual de granos aún utilizada en la postcosecha presenta limitaciones asociadas a la subjetividad, fatiga del operario y baja eficiencia. En este contexto, el proyecto plantea como objetivo diseñar y construir un prototipo de sistema de inspección automatizada, basado en visión por computador y un modelo de inteligencia artificial tipo YOLO, para detectar defectos físicos en granos de cacao y optimizar el proceso de selección. Para ello se desarrolló un prototipo de laboratorio conformado por una banda transportadora, un sistema de iluminación controlada, una cámara de área, el modelo de clasificación visual y un mecanismo neumático de eyección, todos integrados mediante un microcontrolador ESP32. Las pruebas demostraron un desempeño estable en los subsistemas y una precisión de clasificación superior al 90 % en condiciones controladas. Se concluye que el sistema propuesto constituye una alternativa viable y replicable para mejorar la eficiencia y confiabilidad en procesos de selección de granos de cacao.
