Convolutional neural networks (CNNs) have proven their efficiency in various applications in agriculture. In crops such as date, they have been mainly used in the identification and sorting of ripe fruits. The aim of this study was the performance evaluation of eight different CNNs, considering transfer learning for their training, as well as five hyperparameters. The CNN architectures evaluated were VGG-16, VGG-19, ResNet-50, ResNet-101, ResNet-152, AlexNet, Inception V3, and CNN from scratch. Likewise, the hyperparameters analyzed were the number of layers, the number of epochs, the batch size, optimizer, and learning rate. The accuracy and processing time were considered to determine the performance of CNN architectures, in the classification of mature dates’ cultivar Medjool. The model obtained from VGG-19 architecture with a batch of 128 and Adam optimizer with a learning rate of 0.01 presented the best performance with an accuracy of 99.32%. We concluded that the VGG-19 model can be used to build computer vision systems that help producers improve their sorting process to detect the Tamar stage of a Medjool date.

El cultivo de la palma datilera en México se ha incrementado durante los últimos años, convirtiéndose en eltercer mayor productor de la variedad Medjool a nivelmundial. Sin embargo, los pequeños productores se enfrentan a varios retos en la recolección, clasificación y elempaque de este fruto, debido a que son procesos que serealizan principalmente de manera manual. El principalproblema se presenta en la clasificación, donde se buscauna correcta selección de la fruta a través de la identificación de diversos parámetros de calidad, como el estadode madurez. Una inapropiada selección del fruto, puedeocasionar muchas desventajas para el agricultor en su comercialización, siendo un sistema de visión artificial unaposible alternativa de solución. Para poder procesar unalto volumen de información, fue necesario apoyarse enla infraestructura Huawei, en este caso se utilizó la arquitectura DaVinci la cual es diseñada exclusivamente paracómputo de inteligencia artificial (AI). Las principalescontribuciones del proyecto fueron el desarrollo de aplicaciones de AI para apoyar a los pequeños productores dedátil en sus actividades de selección y clasificación. Asícomo, la generación de recurso humano especializado enel área de inteligencia artificial.