En la actualidad, las técnicas empíricas en la producción agrícola ecuatoriana para la identificación y clasificación de productos no son suficientes para alcanzar estándares de calidad con normas de inocuidad alimentaria y así lograr cubrir la demanda de un mercado internacional.  Este trabajo presenta un sistema capaz de supervisar, identificar y clasificar la calidad de productos del sector agrícola, mediante la aplicación de técnicas de soft computing y algoritmos de machine learning que contribuyen a la identificación de imágenes en tiempo real. La investigación permitió implementar algoritmos de clasificación de K vecinos más cercanos para etiquetar los productos según su calidad y enviar los reportes en tiempo real a una aplicación web mediante el protocolo MQTT. Los productos utilizados para este estudio fueron bananas, naranjas, plátano verde y manzanas. Los resultados obtenidos permitieron determinar el mínimo número de imágenes requeridos para el entrenamiento de los modelos de identificación y las tasas de error de identificación durante la etapa de validación.

No abstract