50
Epicentro. Ciencia - Tecnología - Innovación 2 (2), 2024.
Julio Trujillo González
Universidad de Panamá
Correo: julio.trujillo@up.ac.pa
Orcid: https://orcid.org/0000-0002-3664-8058
Resumen
Este estudio se centra en la clasificación precisa de bananas utilizando Redes Neuronales
Convolucionales (CNN). La clasificación adecuada es crucial en la industria agrícola para garantizar la
calidad y eficiencia. Se evaluaron dos modelos de CNN: uno estándar y otro con conexiones
residuales. El modelo estándar demostró una precisión del 99.78%, mientras que el modelo con
conexiones residuales alcanzó una precisión del 99.23%. A pesar de las diferencias, ambos modelos
superaron a muchos métodos tradicionales, subrayando la eficacia del aprendizaje profundo en la
clasificación de frutas. Estos resultados tienen el potencial de revolucionar la industria agrícola,
reduciendo la necesidad de intervención manual y minimizando errores.
Palabras clave: agricultura, análisis de datos, inteligencia artificial, optimización.
Abstract
This study focuses on the precise classification of bananas using Convolutional Neural Networks (CNN).
Proper classification is crucial in the agricultural industry to ensure quality and efficiency. Two CNN
models were evaluated: a standard one and another with residual connections. The standard model
demonstrated an accuracy of 99.78%, while the model with residual connections achieved an accuracy
of 99.23%. Despite the differences, both models outperformed many traditional methods,
underscoring the efficacy of deep learning in fruit classification. These results have the potential to
revolutionize the agricultural industry, reducing the need for manual intervention and minimizing errors.
Keywords: agriculture, data analysis, artificial intelligence, optimization.
Introducción
La clasificación precisa de frutas en la industria agrícola es esencial para garantizar la calidad del
producto y mantener la eficiencia en la cadena de suministro. Una clasificación inadecuada puede
resultar en la contaminación de frutas frescas con frutas defectuosas, lo que puede tener un impacto
negativo en la economía y en la confianza del consumidor. Tradicionalmente, esta tarea se ha llevado
a cabo manualmente, lo que no solo es laborioso y consume tiempo, sino que también puede ser
propenso a errores debido a la fatiga humana.
Optimización avanzada de CNNS para la clasificación
de bananas.
DOI: https://doi.org/10.61209/re.v2i2.62
51
Epicentro. Ciencia - Tecnología - Innovación 2 (2), 2024.
En este contexto, las técnicas de aprendizaje automático y, en particular, las redes neuronales
convolucionales (CNN) han emergido como una solución prometedora. Estas técnicas ofrecen una
forma automatizada y eficiente de clasificar las frutas, reduciendo la necesidad de intervención humana
y, por lo tanto, los costos asociados. Dhande y Patil (2022) propusieron un modelo basado en
aprendizaje profundo para la clasificación de frutas utilizando DenseNet, logrando una precisión del
97.82% en la detección de frutas frescas y podridas. Asimismo, Lingamgunta et al. (2023) destacaron
la importancia de la modernización de los cultivos y cómo la detección precisa de la madurez de las
frutas puede resultar en cosechas de mejor calidad y ahorros significativos. Además, un estudio sobre
la clasificación de mangostán, una fruta popular en Malasia demostró que un modelo CNN optimizado
puede alcanzar una precisión de clasificación del 94.99%, superando otros modelos de aprendizaje
profundo (Sumari et al., 2021). Estos avances en la clasificación de frutas mediante técnicas de
aprendizaje profundo no solo prometen mejorar la eficiencia y precisión en la industria agrícola, sino
que también tienen el potencial de revolucionar la forma en que se abordan los desafíos en este
campo.
Materiales y métodos
Adquisición de la base de datos y preprocesado
La base de datos se obtiene de Kaggle (s.f.) y contiene imágenes de bananas, divididas en dos clases:
bananas frescas y bananas podridas. El tamaño total de la base de datos utilizada en este trabajo es de
4716 imágenes. Las imágenes de entrenamiento suman un total de 3805, mientras que el conjunto de
prueba contiene 911 imágenes. Todas las imágenes pertenecen a las dos clases mencionadas, ver
figura 1. Ahora, todo el conjunto de imágenes se redimensiona a 128x128x3 y se convierte en un array
numpy para una convolución más rápida al construir el modelo CNN. Finalmente, el conjunto de
imágenes convertido se etiqueta de acuerdo con la clase a la que pertenecen.
Figura 1
Ejemplos de imágenes de la base de datos.
52
Epicentro. Ciencia - Tecnología - Innovación 2 (2), 2024.
Redes neuronales convolucionales
El aprendizaje profundo, una subdivisión prominente del aprendizaje automático, ha demostrado un
rendimiento excepcional en diversas modalidades de datos. Una de sus aplicaciones más destacadas
es la clasificación de imágenes utilizando redes neuronales convolucionales (CNN), figura 2. En el
ámbito de la informática, las imágenes se representan como píxeles relacionados. Dentro de una
imagen, un conjunto específico de píxeles podría representar un borde, una sombra o algún otro
patrón.
La convolución es una técnica esencial para detectar estos patrones. Durante la computación, los
píxeles de la imagen se representan mediante una matriz. Para detectar patrones, se utiliza una
matriz "filtro" que se multiplica con la matriz de píxeles de la imagen. Estos tamaños de filtro pueden
variar y la multiplicación depende puramente del tamaño del filtro. Se toma un subconjunto de la
matriz de píxeles de la imagen basado en el tamaño del filtro para la convolución, comenzando
desde el primer píxel (Wang et al., 2020).
Zhang et al. (2020) propusieron mejoras en el modelo tradicional de CNN, introduciendo el pooling
estocástico en lugar del pooling promedio y máximo, y combinando la capa de dropout con la capa
completamente conectada. Posteriormente, la salida de una convolución es un mapa de
características que se envía a la siguiente capa. La siguiente capa en el modelo CNN es la capa de
pooling, que reduce el tamaño del mapa de características y previene el sobreajuste (Yao et al.,
2019).
Finalmente, la capa completamente conectada "aplana" la salida obtenida de las capas anteriores y
las convierte en un vector único, que puede ser una entrada para la siguiente etapa. Las
normalizaciones por lotes se pueden usar para normalizar los mapas de características obtenidos en
cada etapa. Los abandonos (Dropouts) también se utilizan para aumentar la velocidad de cálculo
(Bera & Shrivastava, 2020).
Figura 2
Red básica de la arquitectura CNN
Fuente: Elaboración propia.
53
Epicentro. Ciencia - Tecnología - Innovación 2 (2), 2024.
Modelo de red propuesto
Primero comenzaremos tomando la red de Palakodati et al. (2020), que tenía como objetivo clasificar
frutas frescas y podridas, donde el modelo alcanzó una precisión de 97.82%, el cual superó los otros
métodos de aprendizaje por transferencia y técnicas convencionales. La red se inicia con una estructura
secuencial, lo que significa que las capas se apilan una tras otra en un flujo lineal.
La primera capa es una capa convolucional que utiliza 32 filtros de tamaño 3x3. Estos filtros K (·,·) se
aplican a la imagen de entrada I (·,·), que se espera que tenga un tamaño de 128x128 píxeles y tres
canales de color (RGB).
Donde es el tensor de salida. La capa utiliza un relleno ('padding') del tipo 'same', lo que significa que
la salida de la capa tendrá las mismas dimensiones que la entrada. A continuación, se aplica una capa
de normalización por lotes, que ayuda a mejorar la estabilidad y el rendimiento de la red. La activación
ReLU (Rectified Linear Unit) se utiliza después de la normalización, proporcionando no linealidad a la
red. Finalmente, se aplica una capa de pooling máximo con un tamaño de 2x2, que reduce las
dimensiones espaciales de la salida a la mitad.
La segunda y tercera capas convolucionales siguen un patrón similar. La segunda capa utiliza 64 filtros
de tamaño 3x3, mientras que la tercera utiliza 128 filtros del mismo tamaño. Ambas capas también
emplean normalización por lotes, activación ReLU y pooling máximo.
Después de las capas convolucionales, la red aplana la salida en un vector unidimensional, lo que
facilita su conexión a las capas densas o completamente conectadas. La siguiente, es una capa densa
con 512 neuronas, seguida de una activación ReLU. Para prevenir el sobreajuste y mejorar la
generalización del modelo, se introduce un dropout del 50%. Esto significa que, durante el
entrenamiento, el 50% de las neuronas en esta capa se "apagarán" aleatoriamente en cada paso.
Finalmente, la red culmina en una capa densa con dos neuronas, que corresponde a las dos clases
de clasificación: banana fresca y banana dañada. La activación softmax se utiliza en esta capa para
convertir las salidas en probabilidades, asegurando que sumen 1. Esta capa proporciona la
probabilidad de que una imagen dada pertenezca a una de las dos clases. Cabe recalcar que se
realizaron unas modificaciones en la red.
La segunda red que consideramos fue una con conexión residual que se describirán a
continuación:
El modelo presentado es una Red Neuronal Convolucional (CNN) diseñada para procesar imágenes
de tamaño 128x128 con tres canales de color (RGB) comienza con una capa convolucional que utiliza
32 filtros de 3x3, seguida de una normalización por lotes y una activación ReLU. Luego, se aplica un
pooling máximo para reducir las dimensiones espaciales.
54
Epicentro. Ciencia - Tecnología - Innovación 2 (2), 2024.
Después de la primera capa convolucional, se introduce un concepto interesante: las conexiones
residuales. Estas conexiones permiten que las activaciones de una capa anterior se sumen
directamente a las de una capa posterior, facilitando el entrenamiento de redes más profundas al
abordar el problema del desvanecimiento del gradiente.
Antes de la segunda capa convolucional, se crea una conexión residual que proyecta linealmente la
salida de la primera capa a una profundidad de 64 filtros usando una convolución 1x1. La segunda
capa convolucional también utiliza 64 filtros de 3x3, seguida de normalización por lotes y activación
ReLU. La salida de esta capa se suma con la conexión residual antes de aplicar otro pooling máximo.
Un proceso similar ocurre antes de la tercera capa convolucional, donde se crea otra conexión residual
que proyecta la salida a una profundidad de 128 filtros. La tercera capa convolucional utiliza 128 filtros
de 3x3, seguida nuevamente de normalización por lotes y activación ReLU. La salida se suma con la
conexión residual y se aplica un pooling máximo.
Finalmente, la red aplana la salida y la pasa a través de una capa densa con 512 neuronas y activación
ReLU. Se introduce un dropout del 50% para regularización. La red culmina en una capa densa con dos
neuronas, que se supone corresponden a dos clases de clasificación, y utiliza una activación softmax
para producir probabilidades de clase. El código completo se encuentra en:
https://colab.research.google.com/drive/1jnFS_ZNtOtGoXLxEplS2dtVfBTACpLqj?usp=sharing
Resultados
En la evaluación de los modelos propuestos, se observaron diferencias notables en su rendimiento. El
primer modelo, una Red Neuronal Convolucional (CNN) estándar, demostró un rendimiento
excepcional con una precisión (Accuracy) del 99.78%. Además, alcanzó una precisión (Precision) del
99.81%, un recall (Recall) del 99.81% y una puntuación F1 (F1-score) del 99.81%. La matriz de confusión
para este modelo reveló que clasificó correctamente 380 instancias de la primera clase y 529 de la
segunda, cometiendo solo un error en cada clase, ver figura 1 y figura 2.
Figura 3
55
Epicentro. Ciencia - Tecnología - Innovación 2 (2), 2024.
Por otro lado, el segundo modelo, que incorpora conexiones residuales, obtuvo una precisión del
99.23%, ver figura 1 y figura 2. Aunque sigue siendo alto, es ligeramente inferior al primer modelo. La
precisión, recall y puntuación F1 para este modelo fueron del 99.62%, 99.06% y 99.34%
respectivamente. La matriz de confusión mostró que clasificó correctamente 379 instancias de la
primera clase y 525 de la segunda, pero cometió 2 errores en la primera clase y 5 en la segunda.
Discusión
La clasificación precisa de bananas en la industria agrícola es esencial para garantizar la calidad del
producto y la eficiencia económica. En este estudio y para esta tarea, se evaluaron dos arquitecturas
de Redes Neuronales Convolucionales (CNN). El primer modelo, una CNN estándar, alcanzó una
impresionante precisión cercana al 99.78%. Estos resultados son coherentes con investigaciones
anteriores, como la de Palakodati et al. (2020), que también lograron alta precisión en la clasificación
de frutas con aprendizaje profundo. Sin embargo, la matriz de confusión reveló que el modelo es
robusto y confiable, con errores mínimos.
El segundo modelo, con conexiones residuales, mostró una ligera disminución en la precisión. Aunque
las conexiones residuales han sido efectivas en otros contextos, en este caso, no ofrecieron una mejora
significativa. A pesar de esta disminución, sigue siendo un modelo altamente efectivo, y ambos
modelos superan a muchos métodos tradicionales.
Conclusiones
Este estudio subraya el potencial y la eficacia de las Redes Neuronales Convolucionales en la
clasificación de frutas, particularmente bananas. Aunque el modelo estándar superó al modelo con
conexiones residuales, ambos modelos presentaron un rendimiento excepcional, superando a muchos
enfoques tradicionales. Estos hallazgos reafirman la relevancia del aprendizaje profundo en la industria
agrícola, ofreciendo soluciones automatizadas y precisas para garantizar la calidad del producto. Las
futuras investigaciones podrían centrarse en combinar diferentes arquitecturas y técnicas para
optimizar aún más la clasificación y abordar otros desafíos en el sector.
Figura 4
56
Epicentro. Ciencia - Tecnología - Innovación 2 (2), 2024.
Referencias Bibliográficas
Bera, S., & Shrivastava, V. K. (2020). Effect of pooling strategy on convolutional neural network for
classification of hyperspectral remote sensing images. IET Image Processing.
Dhande, D. V., & Patil, D. D. (2022). A Deep Learning based Model for Fruit Grading using DenseNet.
Rev. d'Intelligence Artif.
Kaggle (s.f.) (https://www.kaggle.com/datasets/sriramr/fruits-fresh-and-rotten-for-classification)
Lingamgunta, A., Prasad, M. H. C., Sai, K. V., & Jayaraj, M. (2023). Fruit Ripeness Detection Using
Deep Learning.
Palakodati, S. S. S., Chirra, V. R. R., Yakobu, D., & Bulla, S. (2020). Fresh and Rotten Fruits
Classification Using CNN and Transfer Learning. Rev. d'Intelligence Artif., 34(5), 617-622.
Sumari, P., Ahmad, W. M. A. W., Hadi, F., Mazlan, M., Liyana, N. A., Bello, R., Mohamed, A., & Talib,
A. (2021). A Precision Agricultural Application: Manggis Fruit Classification Using Hybrid Deep
Learning.
Wang, J., Song, X., Sun, L., Huang, W., & Wang, J. (2020). A Novel Cubic Convolutional Neural
Network for Hyperspectral Image Classification. IEEE Journal of Selected Topics in Applied Earth
Observations and Remote Sensing.
Yao, H., Zhang, X., Zhou, X., & Liu, S. (2019). Parallel Structure Deep Neural Network Using CNN and
RNN with an Attention Mechanism for Breast Cancer Histology Image Classification. Cancers.
Zhang, Y., Satapathy, S., Liu, S., & Li, G.-R. (2020). A five-layer deep convolutional neural network with
stochastic pooling for chest CT-based COVID-19 diagnosis. Machine Vision and Applications.
