Para qué sirve
MangIA clasifica mangos para exportación con alta precisión (96.33%), eliminando errores humanos y acelerando el proceso 30 veces. Funciona sin internet, ideal para zonas rurales, y profesionaliza un proceso artesanal.
Qué te inspiró
Observé agricultores colombianos clasificando mangos manualmente durante horas, enfrentando fatiga y errores que afectaban la exportación. Colombia duplicó sus exportaciones de mango (2019-2024) pero los métodos siguen siendo artesanales. Quería democratizar la inteligencia artificial para pequeños productores, creando un sistema que capture décadas de experiencia campesina y la reproduzca consistentemente sin necesidad de internet, al alcance de cualquier persona y con toda la autonomía y precisión de los mejores clasificadores de grandes prestaciones orientada en el sector de bajos y medios productores.
Cómo funciona
MangIA combina hardware especializado con inteligencia artificial de borde. El sistema incluye una cámara inteligente MaixCam con procesador neural dedicado, operando en un entorno controlado con iluminación LED radial y fondo curvo blanco. 1- Captura: La cámara toma una foto del mango en condiciones estandarizadas 2- Análisis: Un algoritmo CNN personalizado analiza color, textura y forma 3- Clasificación: En 70.3 milisegundos, identifica entre 6 categorías: sin madurar, óptimo, maduro, enfermo, otra fruta, o sin fruta 4- Resultado: Muestra la clasificación en pantalla táctil con porcentaje de confianza La magia está en el algoritmo SimpleCNN que diseñé específicamente para este hardware limitado. Con solo 16 capas y 459KB de tamaño, supera a arquitecturas complejas comerciales. Opera completamente en el dispositivo, sin servidores externos, procesando toda la inteligencia artificial localmente con un consumo de apenas 1.5W.
Proceso de diseño
Comenzé investigando estándares internacionales y visitando fincas colombianas para entender el proceso manual real. Evalué múltiples plataformas hardware, seleccionando MaixCam por su balance precio-rendimiento. Construí un entorno controlado de captura y desarrollé un aplicativo para recolectar 12,800 imágenes balanceadas. Diseñé y entrené mi algoritmo SimpleCNN desde cero, comparándolo contra 6 arquitecturas optimizadas (MobileNet, EfficientNet, ResNet) y métodos tradicionales. SimpleCNN emergió como ganador mediante evaluación multicriterio. Convertí el modelo a formato MaixCam, donde la cuantización mantuvo 99.95% de fidelidad. Finalmente validé con 300 muestras reales contra expertos humanos, donde MangIA superó consistentemente la clasificación manual.
Qué lo hace diferente
1- Autonomía Total: Primer sistema que opera 100% offline. Competidores requieren internet o hardware costoso. 2- Eficiencia Extrema: 459KB y 70.3ms de respuesta, 177 veces más pequeño que soluciones existentes manteniendo precisión superior. 3- Algoritmo Especializado: SimpleCNN diseñado específicamente para mangos, no adaptación genérica. Supera MobileNetV3 (46.33%) y MaixHub comercial (84%). 4- Hardware Accesible: $66 vs $249 de alternativas, democratizando IA avanzada para pequeños productores rurales.
Planes para el futuro
Expandiré MangIA integrando bandas transportadoras industriales y desarrollando versiones resistentes para uso directo en campo. Adaptaré el sistema para otras frutas tropicales y crearé una app móvil de trazabilidad completa. Mi visión es licenciar la tecnología globalmente, reduciendo pérdidas postcosecha del 30% actual al 5%
Premios
1- Aceptado: Conferencia Internacional IFAC AGRICONTROL 2025 (California, USA) 2- En revisión: Artoculo para la IEEE Transactions on AgriFood Electronics 3- Publicado: Revista Escuela Colombiana de Ingeniería 4- En revisión: Paper para ser conferencista en la IEEE Café 2025 (Uruguay)
Compartir esta página en