Inteligencia Artificial al Servicio de los Pequeños Productores de Dátil en México

Autores/as

DOI:

https://doi.org/10.22201/dgtic.26832968e.2023.8.7

Palabras clave:

dátil Medjool, nivel de madurez, inteligencia artificial, Mindspore, arquitectura Da Vinci

Resumen

El cultivo de la palma datilera en México se ha incrementado durante los últimos años, convirtiéndose en el
tercer mayor productor de la variedad Medjool a nivel
mundial. Sin embargo, los pequeños productores se enfrentan a varios retos en la recolección, clasificación y el
empaque de este fruto, debido a que son procesos que se
realizan principalmente de manera manual. El principal
problema se presenta en la clasificación, donde se busca
una correcta selección de la fruta a través de la identificación de diversos parámetros de calidad, como el estado
de madurez. Una inapropiada selección del fruto, puede
ocasionar muchas desventajas para el agricultor en su comercialización, siendo un sistema de visión artificial una
posible alternativa de solución. Para poder procesar un
alto volumen de información, fue necesario apoyarse en
la infraestructura Huawei, en este caso se utilizó la arquitectura DaVinci la cual es diseñada exclusivamente para
cómputo de inteligencia artificial (AI). Las principales
contribuciones del proyecto fueron el desarrollo de aplicaciones de AI para apoyar a los pequeños productores de
dátil en sus actividades de selección y clasificación. Así
como, la generación de recurso humano especializado en
el área de inteligencia artificial.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Juan Pablo García Vázquez, Universidad Autónoma de Baja California, Facultad de Ingeniería. Mexicali, Baja California, México.

Doctor en Ciencias por el Instituto de Ingeniería de la Universidad Autónoma de Baja California. Actualmente, trabaja en la Facultad de Ingeniería, en la carrera de Licenciado en Sistemas Computacionales de la UABC. Anteriormente, realizó una estancia posdoctoral realizada en el Instituto de Estudios Superiores y Tecnológicos de Monterrey (ITESM), en el laboratorio de Ambientes Inteligentes. Es miembro del Sistema Nacional de Investigadores Nivel 1 y miembro de la Academia Mexicana Computación (AMEXCOMP) y cuenta con el Perfil Deseable PRODEP. Sus intereses en la Investigación son: Interacción Humano
Computadora, Aprendizaje Automático, Inteligencia Artificial, Cómputo Ubicuo y Visión Artificial.

Ricardo Salomón Torres, Universidad Estatal de Sonora, San Luis Río Colorado. Sonora, México.

Doctor en Ciencias egresado del Instituto de Ingeniería de la U.A.B.C. Es profesor titular de tiempo completo y responsable de la coordinación de investigación y posgrado de la unidad académica San Luis Río Colorado. Es miembro del Sistema Nacional de Investigadores Nivel 1, miembro de la Academia Mexicana Computación (AMEXCOMP), contando con el Perfil Deseable PRODEP. Pertenece a los Comités Científicos del Premio Internacional Khalifa para la Palma Datilera y la Innovación Agrícola para los festivales de Mauritania, Egipto, Marruecos, Jordania y México, siendo el presidente de este último. Su principal área de interés actualmente, es la aplicación de la inteligencia artificial para el mejoramiento de la cadena productiva de la palma datilera en México.

Dalila Blanca Pérez Pérez, Universidad Autónoma de Baja California, Facultad de Ingeniería. Mexicali, Baja California, México.

Maestra en Ciencias por el Instituto de Ciencias Agrícolas de la Universidad Autónoma de Baja California. Actualmente, candidata a Doctora en Ciencias en el programa de Maestría y Doctorado en Ciencias e Ingeniería en la UABC, México. Además, se desempeña como profesora de Asignatura en la Facultad de Ingeniería Campus Mexicali de la UABC. Sus áreas de interés son en el desarrollo y aplicación de sistemas inteligentes en la agricultura.

Héctor Zatarain Aceves, Universidad Autónoma de Baja California, Facultad de Ingeniería Arquitectura y Diseño. Mexicali, Baja California, México.

Doctor en Ciencias en Ciencias de la Computación por el Centro de Investigación Científica y de Educación Superior de Ensenada (CICESE).
Se desempeña como profesor-investigador en la Facultad de Ingeniería Arquitectura y Diseño, en la carrera de Ingeniero en Software y Tecnologías Emergentes de la UABC. Se ha desempeñado como asistente de investigación en CICESE y como investigador asociado del Consorcio de Inteligencia Artificial. Actualmente es miembro del Sistema Nacional de Investigadores y miembro de la Academia Mexicana de Computación (AMEXCOMP). Sus intereses en la Investigación son el Análisis y diseño de algoritmos, Algoritmos de Inteligencia Computacional para la Optimización, Aplicaciones de teoría de juegos algorítmica y Enrutamiento para redes móviles ad-hoc.

Jesús Eduardo Soto Vega, Universidad Autónoma de Baja California, Facultad de Ingeniería. Mexicali, Baja California, México.

Profesor-Investigador en la Facultad de Ingeniería Mexicali de la UABC. Doctor en Ciencias en Computación por el Instituto Tecnológico de Tijuana. Es miembro del Sistema Nacional de Investigadores Nivel 1 y miembro de la Academia Mexicana Computación (AMEXCOMP) y cuenta con el Perfil Deseable PRODEP. Cómo investigador ha publicado más de 30 artículos científicos. Las líneas de investigación de interés son: Redes Neuronales Artificiales, Lógica Difusa, Sistemas Inteligentes Híbridos, Algoritmos Bio-inspirados aplicados a problemas de Series de tiempo, Clasificación, Agrupamiento, Diagnóstico, Control y Optimización.

Edwin R. García Curiel, Universidad Autónoma de Baja California, Facultad de Ingeniería. Mexicali, Baja California, México.

Doctor en Ciencia por el Instituto de Ingeniería de la UABC. Actualmente labora en la Facultad de Ingeniería Mexicali como Profesor Titular de Tiempo Completo de la Licenciatura en Sistemas Computacionales y como Encargado de Pertinencia Curricular. Sus áreas de interés son el Procesamiento Computacional, el Cómputo Matemático, los Aprendizajes Automático y Profundo, y las Aplicaciones de la Inteligencia Artificial en la Industria y en la Educación.

Citas

[1] A. Manickavasagan, N. K. Al-Mezeini y H. N. Al-Shekaili, “RGB color imaging technique for grading of dates”, Scientia

Horticulturae, vol. 175, pp. 87–94, agosto de 2014. Accedido el 9 de septiembre de 2022. [En línea]. Disponible: https://

doi.org/10.1016/j.scienta.2014.06.003

[2] H. Altaheri, M. Alsulaiman, G. Muhammad, S. U. Amin, M. Bencherif y M. Mekhtiche, “Date fruit dataset for intelligent

harvesting”, Data in Brief, vol. 26, p. 104514, octubre de 2019. Accedido el 9 de septiembre de 2022. [En línea]. Disponible:

https://doi.org/10.1016/j.dib.2019.104514

[3] K. Albarrak, Y. Gulzar, Y. Hamid, A. Mehmood y A. B. Soomro, “A Deep Learning-Based Model for Date Fruit Classification”, Sustainability, vol. 14, n.º 10, p. 6339, mayo de 2022. Accedido el 10 de septiembre de 2022. [En línea]. Disponible:

https://doi.org/10.3390/su14106339

[4] M. Schmeisser et al., “Parallel, distributed and GPU computing technologies in single-particle electron microscopy”,

Acta Crystallographica Section D Biological Crystallography, vol. 65, n.º 7, pp. 659–671, junio de 2009. Accedido el 10

de septiembre de 2022. [En línea]. Disponible: https://doi.org/10.1107/s0907444909011433

[5] H. Liao, J. Tu, J. Xia y X. Zhou, “DaVinci: A Scalable Architecture for Neural Network Computing”, en 2019 IEEE Hot

Chips 31 Symposium (HCS), Cupertino, CA, USA, 18–20 de agosto de 2019. IEEE, 2019. Accedido el 10 de septiembre

de 2022. [En línea]. Disponible: https://doi.org/10.1109/hotchips.2019.8875654

Descargas

Publicado

24/11/23 (12:00)

Cómo citar

García Vázquez, J. P., Salomón Torres, R., Pérez Pérez, D. B., Zatarain Aceves, H., Soto Vega, J. E., & García Curiel, E. R. (2023). Inteligencia Artificial al Servicio de los Pequeños Productores de Dátil en México. TIES, Revista De Tecnología E Innovación En Educación Superior, (8), 45–51. https://doi.org/10.22201/dgtic.26832968e.2023.8.7

Número

Núm. 8 (2023): Número 8. Inteligencia Artificial para la solución de problemas sociales

Sección

Artículos

Licencia

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.

TIES, Revista de Tecnología e Innovación en Educación Superior, es una publicación semestral de acceso abierto bajo la licencia Creative Commons Atribución-No Comercial 4.0 Internacional (CC BY-NC 4.0). 

ISSN 22683-2968 • © 2026 Universidad Nacional Autónoma de México. TIES, Revista de Tecnología e Innovación en Educación Superior es editada por la Universidad Nacional Autónoma de México a través de la Dirección General de Cómputo y de Tecnologías de Información y Comunicación (DGTIC).  Circuito exterior s/n, Ciudad Universitaria, Alcaldía Coyoacán, C.P. 04510, Ciudad de México, México • Reserva de Derechos de Autor otorgado por INDAUTOR: 04-2019-011816190900-203.

El contenido de los artículos es responsabilidad de los autores y no refleja el punto de vista del Comité editorial, del Editor o de la Universidad Nacional Autónoma de México. Hecho en México, 2026.