(Suresha, Shilpa, & Shoumya, 2012) presentaron un método para la clasificación

automática de manzanas utilizando Máquinas de Vectores de Soporte (SVM) para

la categorización de la fruta, las imágenes de manzana se capturaron en el modelo
de color RGB y se utilizó la segmentación basada en umbrales para extraer la
región de interés del fondo luego el modelo de color RGB se convirtió al modelo
de color HSV (Matiz, Saturación, Valor) finalmente se determinaron los
componentes promedio de color rojo y verde para la clasificación, dicho
clasificador arrojo un 100% exactitud.

(Nandi, Tudu, & Koley, 2016) proponen un sistema para catalogar el mango de
forma automática de acuerdo al estado de madurez en términos de días reales
antes de su putrefacción y los atributos de calidad como tamaño, forma y defectos
superficiales. Se utiliza técnicas inteligentes basadas en un enfoque artificial para
la distribución de mangos de cuatro categorías diferentes, que se determinan en
función de la distancia del mercado y el valor de mercado, el procedimiento
presentado inicia con la captura de imagen de vídeo a una velocidad de 30 fps
(fotogramas por segundo) con resolución de 640x480 en modo RGB, las cuales
son capturadas por una cámara de dispositivo de carga colocada en la parte
superior de una cinta transportadora que lleva mangos, a continuación, se aplican
varias tareas de pre procesamiento, como la extracción de fotograma fijo, filtrado,
detección de bordes y alineación de la imagen, luego se extrae las características
utilizando diferentes métodos de procesamiento de imágenes que son sensibles a
la madurez y calidad. Finalmente, el algoritmo difuso de aprendizaje incremental
se ha utilizado para calificar en función de la madurez y la calidad. La precisión
en el rendimiento lograda es casi del 87%.