SISTEMA INTELIGENTE BASADO EN VISIÓN ARTIFICIAL Y APRENDIZAJE PROFUNDO PARA LA DETERMINACIÓN AUTOMÁTICA DEL GRADO DE FRESCURA DE TRUCHA ARCOÍRIS (ONCORHYNCHUS MYKISS).

La frescura constituye uno de los principales indicadores de calidad en productos pesqueros, ya que influye directamente en su inocuidad, aceptación por el consumidor y vida útil. Sin embargo, los métodos convencionales para su evaluación, basados en análisis sensoriales y fisicoquímicos, presentan limitaciones debido a su carácter destructivo, subjetividad, elevado tiempo de análisis y dificultad para implementarse en sistemas automatizados de monitoreo. En este contexto, el presente estudio tiene como objetivo desarrollar y validar un sistema inteligente basado en visión artificial y redes neuronales convolucionales para determinar automáticamente el grado de frescura de trucha arcoíris (Oncorhynchus mykiss) almacenada bajo refrigeración, mediante el análisis de imágenes del ojo, las branquias y el músculo. La investigación presenta un enfoque cuantitativo, de tipo aplicado-tecnológico, con un diseño experimental longitudinal de medidas repetidas. La muestra experimental estará constituida por un ejemplar fresco de trucha arcoíris, monitoreado durante diez días consecutivos bajo refrigeración entre 3 y 4 °C. Se empleará un sistema automatizado integrado por una cámara digital, iluminación controlada y software desarrollado en Python para capturar imágenes cada diez minutos. Posteriormente, las imágenes serán procesadas mediante OpenCV, NumPy y TensorFlow/Keras para extraer características relacionadas con el color, brillo, textura y opacidad, las cuales servirán como variables de entrada para el entrenamiento de modelos de aprendizaje profundo. Se espera obtener una base de datos de aproximadamente 5760 imágenes, identificar patrones visuales asociados al deterioro del pescado y desarrollar modelos predictivos con precisiones superiores al 85 % para clasificar los niveles de frescura y estimar el tiempo de almacenamiento. Se concluye que la implementación de esta metodología permitirá disponer de una alternativa objetiva, rápida y no destructiva para el monitoreo de la calidad de productos acuícolas, favoreciendo el fortalecimiento de la seguridad alimentaria, el control de la cadena de frío y la incorporación de tecnologías de inteligencia artificial en la industria pesquera.