La visión artificial es una disciplina de la inteligencia artificial que aplica el procesamiento de imágenes para el reconocimiento de patrones, con el uso algoritmos en ambientes controlados con una cantidad de iteraciones en el procesamiento de imágenes. La proliferación de dispositivos de capturas de imágenes ha generado imágenes digitales en todo el mundo, estas imágenes contienen información que deberían ser utilizadas por las organizaciones públicas y privadas para la toma de decisiones. Los objetivos fueron mejorar el reconocimiento de patrones mediante un sistema de visión artificial, medir el proceso de reconocimiento de patrones, implementar un sistema de visión artificial y medir la relación que existe entre reconocimiento de patrones y el un sistema de visión artificial. Esta fue una investigación aplicada, de tipo cuasi experimental, con corte transversal, la población y muestra de estudio fueron 8 patrones de imágenes, la técnica fue la verificación con lista de chequeo, aplicada a 2 grupos, un grupo control y un grupo experimental. Se concluyó que el tiempo de procesamiento para el reconocimiento de 8 patrones de imágenes del grupo experimental fue de 10,75 segundos y de 67,75 segundos para el grupo control y con un grado de relación entre el reconocimiento de patrones y el sistema de visión artificial de 72 %.

La gestión de la investigación, el desarrollo tecnológico y la innovación (I+D+i) en la UNSM muestra avances notables en los últimos años. Ello se evidencia en la continua evolución de los indicadores de gestión y de resultados de la investigación, así como la articulación y consolidación del ecosistema de I+D+i que impulsa nuestra casa superior de estudio, con los principales actores de desarrollo en la región San Martín.

Cacao producers often obtain low-quality beans due to the poor manual drying process. This study proposes the construction of an automated prototype robot for the removal during natural drying of cacao beans at Cooperativa Agraria Allima Cacao Ltd., Peru, and evaluates its effectiveness on bean quality. The robot comprises three modules (control, displacement, and removal) and motion sensors. Four 400 kg batches were analyzed, obtaining moisture contents of 6.71, 8.59, 7.74, and 6.80% with the robot, compared to 7.86, 7.94, 6.60, and 7.54% with the manual method. The standard deviations in the grains treated with the robot were lower, evidencing a more uniform drying. In addition, the total phenol content was higher in the robot-dried beans, indicating better preservation of bioactive compounds. Although the robot did not reduce the drying time, we conclude that its sustainable and economically accessible design contributed to obtaining higher-quality beans compared to the conventional method, with more homogeneous drying and better preservation of phenols, key aspects for producing high-quality cacao.