Evaluación del grado de tostado de cacao (Theobroma cacao L.) mediante redes neuronales convolucionales

Abstract

El tostado del cacao es una etapa clave en su procesamiento, ya que influye significativamente en el desarrollo de compuestos sensoriales esenciales como el aroma y el sabor. Sin embargo, en la actualidad, la evaluación del grado de tostado se realiza de forma empírica, lo que genera inconsistencias en la calidad del producto final. En este contexto, la presente investigación propone la implementación de un sistema automático de evaluación del grado de tostado de granos de cacao (Theobroma Cacao L.) mediante el uso de Redes Neuronales Convolucionales (CNN). Para ello, se diseñó e implementó un sistema de adquisición de imágenes (SAI), que permite capturar la colorimetría de los granos durante el proceso de tostado. Las imágenes fueron sometidas a técnicas de procesamiento que incluyen segmentación, preprocesamiento y etiquetado, con el fin de generar una base de datos que sirva como entrada para el entrenamiento de modelos de aprendizaje profundo. Se evaluaron cinco arquitecturas de CNN: MobileNet-v2, ResNet-18, ResNet-50, ResNet-101 e Inception-v3. La clasificación se realizó en cinco grados de tostado definidos por expertos. Los resultados demostraron que el modelo Inception-v3 obtuvo la mayor precisión en la clasificación, superando el 95 % de exactitud en pruebas controladas y manteniendo un rendimiento robusto. Esta investigación evidencia que la visión artificial y el aprendizaje profundo constituyen herramientas efectivas para estandarizar el proceso de tostado, reducir la variabilidad sensorial y mejorar la trazabilidad del cacao. Asimismo, la solución propuesta ofrece una alternativa accesible y escalable para pequeños productores, promoviendo una mayor competitividad en la cadena de valor del cacao peruano.