Resumen:
El presente trabajo de grado se enfocó en el procesamiento de imágenes de granos de café con el fin de discriminar aquellos granos en buen estado de aquellos que poseían defectos. Para esto se realizó un sistema de clasificación automática de imágenes utilizando el marco de trabajo CRISP-DM para el análisis de datos y las fases de procesamiento digital de imágenes. En la primera fase de este marco, la adquisición de imágenes, obtuvimos un conjunto de imágenes de otro estudio al cual le adicionamos imágenes propias, que fueron tomadas en un entorno controlado para enriquecerlo. En la segunda fase, preprocesamiento, normalizamos las imágenes mediante el algoritmo White Patch, para mejorar la iluminación en las imágenes. En la tercera fase, segmentación, implementamos el algoritmo Otsu a fin de extraer la imagen del grano del fondo de la fotografía. En la cuarta fase, extracción de características, seleccionamos las características más acordes a lo implementado, las cuales son color y textura. Y en la fase final, clasificación de patrones, entrenamos los modelos de clasificación SVM, KNN, Árboles de decisión y Bosque aleatorio haciendo uso del conjunto de datos construido. Posteriormente, elegimos el modelo de clasificación SVM por tener una precisión del 95,789% para identificar granos buenos y por tener una exhaustividad de 99.242% para los granos malos, evitando que estos fueran clasificados como buenos. Con este resultado, se logra estimar la calidad del café a partir de la identificación de los granos buenos presentes en una muestra de café.
