Sistema de detección de degradación de vegetales de mayor consumo en condiciones de refrigeración en la tienda “Víveres Deysi” de la ciudad de Riobamba a través de algoritmos de Deep Learning para prevenir el desperdicio de alimentos.

Abstract

El desperdicio de alimentos constituye una problemática que genera pérdidas económicas, impactos ambientales y riesgos para la seguridad alimentaria. La presente investigación tuvo como objetivo diseñar un sistema de detección de degradación de vegetales de mayor consumo en condiciones de refrigeración en la tienda “Víveres Deysi” de la ciudad de Riobamba, mediante algoritmos de Deep Learning, con el fin de contribuir a la reducción del desperdicio de alimentos. La investigación se desarrolló bajo un enfoque cuantitativo y un diseño experimental estructurado en tres fases: análisis de las características de los vegetales y de los algoritmos de Deep Learning, implementación del sistema y evaluación de su desempeño. Para el desarrollo se empleó una Raspberry Pi 5, una cámara Módulo 3 y el algoritmo YOLOv8, seleccionado por su equilibrio entre precisión y velocidad. El sistema detectó y clasificó tomate, lechuga y aguacate en cuatro niveles de degradación, mostrando los resultados en una aplicación móvil integrada con Firebase. La validación, mediante la prueba de Chi-cuadrado de Pearson (p = 0,266), evidenció que no existen diferencias estadísticamente significativas entre la clasificación del sistema y la del observador experto, demostrando que el sistema constituye una alternativa tecnológica confiable para reducir el desperdicio de alimentos.