POSTCOSECHA 67 ron resultados similares, siendo la precisión mayor del 90,0% excepto cuando se utilizaron derivadas en el preprocesamiento de los datos. En este caso, XGBoost obtuvo la mayor precisión en todos los casos, siendo el mejor resultado usando los datos en sin preprocesar, al igual que en el enfoque anterior. Así, la mejor combinación para clasificar las muestras entre las tres clases fue también XGBoost y los datos sin preprocesar. La Tabla 2 muestra los resultados de la validación interna y externa con el set de validación. Los resultados de la validación cruzada también mostraron un buen rendimiento con una precisión de casi el 100% para las tres clases, como en el primer enfoque. Cuando se introdujo el conjunto de muestras de validación externa en el modelo, el rendimiento también fue bueno, pero la precisión disminuyó al 95,5% en las muestras sanas, al 93,1% en los defectos externos y 98,0% en los defectos internos. Por lo tanto, la tasa de precisión total se redujo del 99,9% al 96,7%. El modelo clasificó mejor los defectos internos que los externos y aquellas frutas sanas mal clasificadas, se consideraron como con daños internos. Enfoque III Este enfoque incluía la detección de la fruta sana y de cada uno de los daños estudiados individualmente. Como muestra la Figura 4, los dos clasificadores continuaronpresentando resultados similares con una precisión superior a 90% excepto cuando se usaron derivadas en el preprocesado. Sin embargo, XGBoost obtuvo una vezmás lamayor precisión en todos los casos y de igual manera utilizando los datos sin preprocesar. La tabla 3 muestra los resultados de la validación cruzada y del conjunto de validación externa, utilizando la combinación de XGBoost y datos sin CLASE SANO DEFECTO EXTERNO DEFECTO INTERNO TOTAL Sano 95,5 0 4,5 96,7 Defecto externo 0 93,1 6,9 Defecto interno 1,8 0,2 98,0 Tabla 2. Resultados de la clasificación para el enfoque II usando XGBoost y los espectros sin preprocesar, usando el conjunto de prueba independiente. Datos expresados en %. Figura 4. Evolución de la precisión frente al método de preprocesado de los espectros para RF y XGBoost en el enfoque III. CLASE SANO MANCHA PÚRPURA RAMEADO GOLPE PARDEAMIENTO PULPA TOTAL Sano 95,1 0 0 1,7 3,2 95,9 Mancha púrpura 0 93,8 3,1 3,1 0 Rameado 0 2,2 95,6 2,2 0 Golpe 0 2,1 0,1 97,6 0,2 Pardeamiento pulpa 5,9 0 0 1,3 92,8 Tabla 3. Resultados de la clasificación para el enfoque III usando XGBoost y los espectros sin preprocesar, usando el conjunto de prueba independiente. Datos expresados en %.
RkJQdWJsaXNoZXIy Njg1MjYx