Durante el mes de agosto, se aceptó el articulo “Corn Kernel Classification From Few Training Samples” en la revista Artificial Intelligence in Agriculture, la cual es una revista de acceso abierto que realiza la publicación de investigaciones originales, reseñas, perspectivas y prácticas de la inteligencia artificial (IA) en la agricultura, la ingeniería alimentaria, de biosistemas y áreas relacionadas. Cabe indicar que esta revista está clasificada en el primer decil de CiteScore con 98%, colocándola en una revista de prestigiosa.
El artículo presenta un enfoque eficiente para clasificar un conjunto de granos de maíz, que puede contener granos buenos o defectuosos junto con impurezas. El desarrollo de esta investigación conto de dos etapas, la primera es la generación de una red de segmentación entrenada mediante el uso de un conjunto de imágenes sintetizadas. La segunda propone una arquitectura CNN liviana para clasificar cada instancia en una de las tres categorías (bueno, defectuoso e impurezas). La red se entrena utilizando una estrategia que evita la tarea de anotación manual de datos, que requiere mucho tiempo y es propensa a errores humanos. La red ad-hoc propuesta está diseñada con pocos conjuntos de capas para dar como resultado en una arquitectura ligera capaz de ser utilizada en soluciones integradas. Finalmente, el enfoque de segmentación y clasificación propuesto se puede adaptar fácilmente para su uso con otros tipos de cereales.
El desarrollo del presente artículo fue realizado en colaboración de: Ph.D. Patricia Suárez, Ph.D. Angel Sappa, MSc. Henry Velesaca y el Ing. Dario Carpio, investigadores de CIDIS-ESPOL.
 |
 |
 |