Projecte matriculat

Títol: Reconstrucción 3D de frutos de fresa a partir de una única imagen mediante IA generativa para la estimación no destructiva de biometría en postcosecha

---

Tutor/a o Cotutor/a: SALCEDO CIDONCHA, RAMON

Departament: DEAB

Títol: Reconstrucción 3D de frutos de fresa a partir de una única imagen mediante IA generativa para la estimación no destructiva de biometría en postcosecha

Data inici oferta: 09-05-2026      Data finalització oferta: 09-01-2027

---

Estudis d'assignació del projecte:

GR ENG ALIMENT 2016
GR ENG CIEN AGRONOM
GR ENG SIS BIOLÒG 23

Lloc de realització:
EEABB

Segon tutor/a extern: ENRIQUE APOLO APOLO

Paraules clau:
Visión artificial, reconstrucción 3d, inteligencia artificial generativa, postcosecha, fresa, biometría, clasificación de fruta, deep learning

Descripció del contingut i pla d'activitats:
La industria de postcosecha de fresa requiere sistemas de clasificación capaces de garantizar la homogeneidad del producto y detectar defectos que puedan afectar su calidad comercial. Los sistemas actuales basados en imágenes 2D presentan limitaciones para estimar de forma precisa y no destructiva parámetros como el volumen real o la densidad de cada fruto. Este trabajo propone desarrollar una metodología basada en visión artificial e inteligencia artificial generativa para reconstruir modelos tridimensionales de frutos de fresa a partir de una única imagen capturada en líneas de procesado comercial. En una primera fase se construirá una base de datos de frutos de fresa mediante capturas multiángulo y se registrarán variables biométricas reales como peso y volumen para disponer de datos de referencia. Posteriormente, se generarán modelos 3D mediante técnicas de Structure from Motion y se realizará el preprocesado de nubes de puntos y mallas. En una tercera fase se explorarán modelos de reconstrucción 3D a partir de una sola imagen basados en inteligencia artificial generativa. Finalmente, se validarán los resultados comparando los valores estimados por el modelo con los datos experimentales de referencia, analizando la viabilidad del sistema para aplicaciones de clasificación automática en postcosecha. El trabajo se desarrollará principalmente mediante análisis de datos experimentales y herramientas computacionales de visión artificial.

Orientació a l'estudiant: - Programación en Python y uso de bibliotecas de deep learning (PyTorch
preferiblemente).
- Nociones de visión por computador y/o reconstrucción 3D (p.e. Metashape,
MeshLab).
- Interés en redes neuronales generativas y modelos de reconstrucción 3D desde
una sola imagen (GANs, Diffusion Models, NeRF, Zero123, TripoSR).
- Capacidad de trabajo autónomo, el trabajo puede desarrollarse íntegramente en
remoto.
Los conocimientos de programación no son estrictamente necesarios, pero se espera que
el alumno/a tenga motivación para aprender. La fecha de finalización dependerá del grado
de implicación del alumno/a.

---