Ivan Dario Amaya

Diego Andres Chavez

Investigación de Bases de Datos

Se exploraron plataformas como Kaggle, GitHub y Datos.gob.es. Además, se revisaron artículos académicos y trabajos previos en la clasificación de frutas para identificar fuentes de datos relevantes y confiables.

Selección de la Base de Datos

Los criterios para la selección de la base de datos fueron:

• Diversidad de Estados de Madurez: La base de datos debía incluir imágenes de papayas en diferentes estados de madurez: maduras, semi maduras y verdes.

• Calidad de las Imágenes: Las imágenes debían tener una resolución adecuada para permitir un análisis detallado de las características visuales.

• Cantidad Suficiente de Imágenes: Se buscaba un conjunto de datos que ofreciera un número adecuado de imágenes para cada clase para asegurar un entrenamiento robusto del modelo.

  
  

Mediante el estudio de estos 3 diferentes modelos se determinar el mejor para el reconocimiento de patrones en imágenes

El preprocesamiento de imágenes es crucial para uniformar y manejar los datos, facilitando el análisis y la extracción de características, asegurando un entrenamiento adecuado de los modelos.

Reducción de Resolución: Las imágenes se redimensionaron a una resolución uniforme, asegurando que cada imagen tuviera las mismas dimensiones.

Selección de muestras: Se determinó reducir la cantidad de imágenes de entrada a 150 muestras para simplificar el proceso de entrenamiento y evaluación del modelo.

Organización y almacenamiento: Las imágenes preprocesadas se organizaron en carpetas y se almacenaron para su uso en la etapa de extracción de características.

3. Extracción de características

   
   

La extracción de características es un paso fundamental para clasificar las papayas según su estado de madurez. las siguientes son las características específicas extraídas de cada imagen

Contraste: El contraste mide la variación en la intensidad de los píxeles de la imagen.

Color Dominante: El color dominante se determina identificando el valor de color más frecuente en la imagen

Brillo: El brillo de una imagen se calcula como el valor promedio de los píxeles en la imagen en escala de grises

Número de manchas: El número de manchas se calcula identificando las regiones oscuras en la superficie de la papaya

El modelo de Gaussian Naive Bayes asume que los datos de cada clase se distribuyen de acuerdo a una distribución normal (Gaussiana). Este modelo es conocido por su simplicidad y eficacia en ciertos tipos de problemas, especialmente aquellos con características independientes y normalmente distribuidas

El modelo de Linear SVM intenta encontrar un hiperplano en un espacio de múltiples dimensiones que divida las distintas clases. Este método es particularmente eficaz en problemas de clasificación linealmente separables

El modelo de Fine KNN clasifica una nueva muestra en función de las clases de sus K vecinos más cercanos en el espacio de características. Este enfoque no supone ninguna distribución subyacente de los datos, lo que puede ser ventajoso cuando se trabaja con datos complejos y no linealmente separables