1.

Cita
M. Zaborowicz, P. Boniecki, K. Koszela, J. Przybył, R. Mazur, S. Kujawa, K.
Pilarski. Use of Artificial Neuronal Networks in the Identification and
Classification of Tomatoes. Poland: Poznan University of Life Sciences, 2016.
2. Zaborowicz M., Boniecki P., Koszela K., Przybył J., Mazur R., Kujawa S.,
Pilarski K.
3. El paper consiste en el estudio de viabilidad del empleo de inteligencia artificial
para la implementación de un sistema de detección de calidad de tomate
mediante el uso de imágenes. Para la validación de este procedimiento se
empleó imágenes de la cosecha de tomates de Capricia del mes de mayo que se
emplearon para entrenar el sistema de red neuronal que le permita al sistema
determinar los mejores patrones de clasificación de calidad del tomate. El fin de
este proceso es reemplazar los métodos de selección tradicionales, los cuales son
manuales e imprecisos debido a la subjetividad de la persona encargada de tal
fin.
4. Las secciones del paper están conformadas por el resumen general del paper,
introducción al paper, materiales y métodos, y resultados y conclusiones.
5. En primer lugar, se nos contextualizó la necesidad de la industria alimentaria
para brindarnos un mejor producto a los consumidores. Inmediatamente después,
se nos menciona los métodos actualmente empleados para la selección de
tomates de manera manual e imprecisa. Inmediatamente después, se nos presenta
la oportunidad de emplear sistemas de inteligencia artificial como alternativa de
solución a esta problemática.
En segundo lugar, se menciona la muestra escogida para el análisis de viabilidad
de emplear tecnologías de inteligencia artificial para la clasificación de tomates.
Para esto se nos menciona el proceso de adquisición de imágenes implementado,
la extracción de parámetros de clasificación determinados por el software, así
como las variables de medición más resaltantes.
Finalmente, en la etapa de resultados y conclusiones, se nos enumera los
parámetros de clasificación más efectivos que se obtuvieron luego del
procedimiento de entrenamiento del sistema de red neuronal. Como conclusión
final, se nos resalta la importancia de emplear un sistema imparcial, eficaz y
objetivo como método de clasificación de tomate.
6. Las conclusiones obtenidas del análisis presentado en el paper respaldan la afirmación
resumen enunciado en el presente paper.
7. Propondría implementar el presente sistema diseñado en una operación real y
contrastar los resultados obtenidos con una evaluación aleatorio exhaustiva de la fruta
seleccionada que permita validad la solución de manera contundente.
8. Creo que, como lo he manifestado en el punto anterior, se obvio validar en campo el
presente sistema en una operación real que permita obtener resultados concretos, así
como determinar posibles mejoras en los sensores de adquisición de datos que
permitan aumentar la eficacia en la determinación de producto en condiciones no
óptimas.
9. En la referencia [1], en el texto se nos menciona que para la implementación de un
sistema de inteligencia artificial mediante la adquisición de imágenes ópticas del
elemento de interés ya ha sido implementando en frutas y vegetales secos. Al
consultar las referencias, podemos observar que, efectivamente, la referencia en
 cuestión nos referencia a un documento científico acerca del empleo de inteligencia
artificial para la clasificación de maíz que el cual se expuso en la tercera conferencia de
procesamiento de imágenes digitales desarrollada en Chengdu durante el 15 y 17 de
abril del 2011.
10. Las conclusiones del paper nos exponen los resultados obtenidos luego de entrenar el
sistema de red neuronal empleado las imágenes de la cosecha de tomates antes
mencionada. Se nos resalta que se obtuvo un índice de más de 80% en la etapa de
validación de la calidad y el hecho de que para obtener un buen entrenamiento de la
red, se subdividió el proceso en 3 fases: aprendizaje, validación y pruebas. Finalmente,
con el respaldo de estos indicadores se concluye la viabilidad de emplear el presente
sistema como un método de reemplazo para la clasificación del tomate para la
obtención de una mayor eficacia en el mencionado proceso debido a su imparcialidad
de evaluación de parámetros y objetividad.
11.
a. Los paper son importantes para la obtención de información profesional
acerca de estudios y pruebas realizadas para la implementación de nueva
tecnología. Esto permite al profesional facilitar su labor de investigación y
desarrollo, así como registro de su propiedad intelectual acerca de los
desarrollos o estudios que el profesional pueda estar desarrollando.
Finalmente, permite que el conocimiento fluya y ayude a crear una sinergia
colaborativa con otros estudios que puedan necesitar información de interés
obtenido por uno.
b. En un entorno real, se podría implementar la presente solución como un
sistema clasificador de productos agrícolas como método de control de calidad
de manera industrial.