Resumen:
El proceso de reconocimiento y clasificación de defectos en el café es fundamental tanto desde el punto de vista productivo como comercial. Este proceso determina la calidad del producto, establece las bases necesarias para su clasificación en el mercado y, al mismo tiempo, sirve como un indicador clave de buenas prácticas en los procesos de cultivo y beneficio del café. Dicha clasificación es propensa a errores, debido a que es un procedimiento que se realiza de manera visual y es subjetivo al evaluador-observador. Por esta razón, el objetivo del presente trabajo es diseñar e implementar un esquema de reconocimiento de defectos de café en almendra mediante el uso de visión computacional en el parque tecnológico de innovación del café -Tecnicafé.
En el proceso de clasificación de los granos de café se consideraron 11 tipos de defectos de acuerdo con las normas establecidas por la Specialty Coffee Association of America. Se utilizaron 817 descriptores para caracterizar la forma, color y textura de los granos y se evaluaron tres técnicas de clasificación: Random Forest, K-Nearest Neighbor y Support Vector Machine. Después de realizar la validación y evaluación de los clasificadores, se determinó que el modelo Random Forest proporcionó los mejores resultados. Posteriormente, se empleó un algoritmo de recursividad para reducir el número de descriptores a 323 y se evaluó nuevamente el modelo con esta cantidad. Como resultado, se logró alcanzar un accuracy del 94.18%, lo que muestra un valor óptimo de exactitud en la clasificación de los granos de café.
