Una máquina ya mira las dos caras del grano
Un sistema mecatrónico fotografía ambas caras del café verde para detectar defectos, mejorando la precisión un 25,7% frente a analizar una sola cara.
Uno de los problemas de automatizar la clasificación física del café verde es bastante simple: el grano tiene dos caras. Una cámara mirando desde arriba no necesariamente ve el defecto.
Investigadores del Instituto Tecnológico de Orizaba acaban de publicar un sistema mecatrónico diseñado precisamente para resolverlo. La máquina toma una muestra estándar de 350 gramos, separa los granos y fotografía ambas caras bajo condiciones controladas.
El conjunto utilizado para entrenar los modelos contiene 9.600 imágenes repartidas entre 12 categorías: once tipos de defecto y café normal.
Entre los modelos evaluados, YOLOv8 obtuvo los mejores resultados: 97,4% de precisión, 99,6% de recall, y una precisión media por clase que pasó de 0,727 a 0,908 cuando el sistema pudo observar las dos caras del grano. Una mejora relativa del 25,7% frente al análisis de una sola cara.
Todavía hay límites. Procesar una muestra de 350 gramos requiere alrededor de 38 minutos. Y una máquina clasificando imágenes no sustituye todo lo que ocurre durante una evaluación física realizada por un profesional.
Pero el concepto sí merece atención. Porque automatizar control de calidad ya no significa simplemente poner una cámara encima del café y pedirle a una IA que cuente defectos. También significa diseñar la mecánica necesaria para que la máquina pueda realmente observar el producto.
A veces la innovación está en el algoritmo. Aquí también está en darle la vuelta al grano.
Fuente: Agriculture (MDPI). Consultada: agosto de 2026. https://www.mdpi.com/2077-0472/16/16/1796