Desafío
La propuesta aborda el problema del desperdicio de alimentos, especialmente de vegetales almacenados en refrigeración, que produce pérdidas económicas y posibles riesgos sanitarios. El desafío de la investigación consistió en comparar algoritmos de Deep Learning para identificar el estado de frutas y vegetales y desarrollar un prototipo capaz de capturar imágenes, procesarlas y emitir alertas sobre su deterioro.
Objetivo
Desarrollar y validar un sistema basado en Deep Learning y un prototipo con ESP32-CAM para detectar tempranamente la degradación de vegetales en refrigeración.
Solución
La solución combina modelos entrenados para identificar el deterioro de alimentos y un prototipo con ESP32-CAM que captura imágenes dentro del refrigerador y genera alertas cuando detecta signos de degradación. Se trata de una propuesta práctica y accesible que integra Inteligencia Artificial con dispositivos IoT de bajo costo para anticipar el daño en frutas y vegetales. A diferencia de los refrigeradores inteligentes de alta gama, este prototipo puede adaptarse a equipos convencionales, lo que amplía su utilidad y facilidad de implementación
Resultado e impacto de la propuesta
- Reducción del desperdicio de alimentos en los hogares
- Prevención de pérdidas en la cadena de suministro y optimización de inventarios en la industria y el sector comercial.
- Cumplimiento de los ODS 2 y 12, vinculados con el consumo responsable y la reducción del hambre.
Factores de éxito
- Precisión y confiabilidad del modelo de IA.
- Integración efectiva entre hardware y software.
- Simplicidad de uso para el usuario final.
- Acercamiento de la IA a temas cotidianos cómo la conservación de alimentos.
Participantes:Vicente Saavedra Mueses; Carlos Orbe Intriago
Director de tesis: Mauro Rosas.
