Apaza Pérez, Oscar GonzaloTicona Pari, GuzmanUniversidad Andina Néstor Cáceres Velásquez2026-07-082026-07-082022https://repositorio.uancv.edu.pe/handle/UANCV/7213En esta investigación se desarrolló un sistema de detección automática de defectos físicos en granos de avena utilizando visión computacional con la biblioteca OpenCV. El objetivo principal fue determinar la calidad de los granos en función de parámetros establecidos por la norma técnica NTP 205.033:2018, como tamaño, forma, color y defectos exteriores. Para ello, se diseñó un algoritmo capaz de procesar imágenes, identificar características clave y clasificar los granos según su calidad. Los resultados mostraron una precisión general del 92 %, destacando un mejor desempeño en la detección de tamaño y forma (95 %) en comparación con el análisis de color y defectos menores (88 %). Además, se observó una correlación fuerte (0.87) entre los resultados del sistema automático y los métodos manuales, con una reducción del tiempo de clasificación en un 65 %. Este sistema representa un avance hacia la automatización de procesos en la industria agroindustrial, aunque requiere mejoras para optimizar su desempeño y adaptarlo a condiciones reales de producción.application/pdfspainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/4.0/Visión computacionalOpenCVclasificación de granosAvenaDetección de defectosCalidadAutomatizaciónProcesamiento de imágenes.info:eu-repo/semantics/masterThesishttps://purl.org/pe-repo/ocde/ford#2.11.00