---
language:
  - es
metrics:
  - accuracy
  - f1
  - precision
  - recall
  - matthews_correlation
base_model:
  - google/vit-base-patch16-224
pipeline_tag: image-classification
tags:
  - image-classification
  - vision-transformer
  - papas
  - calidad
---

# Clasificador de calidad de papas con Vision Transformer

## Descripción

Este modelo clasifica la calidad de tubérculos de papa mediante visión por computadora. Está basado en la arquitectura **Vision Transformer (ViT)**, específicamente en `google/vit-base-patch16-224`, y fue entrenado con un conjunto híbrido de **36 000 imágenes** de papa chaucha y papa chola.

El objetivo del modelo es apoyar la clasificación automática de papas en dos categorías:

| Clase | Descripción |
| --- | --- |
| `Buen estado` | Tubérculos de papa sin defectos visibles. |
| `Defectuoso` | Tubérculos de papa con cortes, brotes o signos de pudrición visibles. |

## Datos y arquitectura

- **Tarea:** clasificación binaria de imágenes.
- **Modelo base:** Vision Transformer base con parches de 16 x 16 píxeles.
- **Resolución de entrada:** 224 x 224 píxeles.
- **Conjunto de datos:** conjunto híbrido de imágenes de papas.
- **División de datos:** entrenamiento, validación y prueba.
- **Métricas evaluadas:** exactitud, precisión, sensibilidad, puntaje F1, coeficiente de correlación de Matthews (MCC) y pérdida.

## Estrategias de entrenamiento

Se evaluaron dos estrategias de entrenamiento: **Transfer Learning** y **Fine-Tuning parcial**.

### Transfer Learning

En esta etapa se congelaron todas las capas del modelo base y se entrenó únicamente el clasificador final.

| Hiperparámetro | Valor |
| --- | --- |
| Épocas | 30 |
| Tamaño de lote | 32 |
| Tasa de aprendizaje | 1e-4 |
| Optimizador | AdamW |
| Scheduler | Cosine Annealing |
| Weight decay | 0.01 |
| Betas | (0.9, 0.999) |
| Fracción de calentamiento | 0.1 |
| Precisión mixta | Sí |
| Capas congeladas | Todas las capas |

### Fine-Tuning parcial

En esta etapa se descongeló parte del modelo para ajustar mejor las representaciones visuales al dominio de las papas.

| Hiperparámetro | Valor |
| --- | --- |
| Épocas | 20 |
| Tamaño de lote | 32 |
| Tasa de aprendizaje | 1e-5 |
| Optimizador | AdamW |
| Scheduler | Cosine Annealing |
| Weight decay | 0.01 |
| Betas | (0.9, 0.999) |
| Fracción de calentamiento | 0.1 |
| Precisión mixta | Sí |
| Capas congeladas | 6 primeras capas |

## Resultados

Los resultados muestran que el **Fine-Tuning parcial** obtuvo el mejor desempeño general. Esta estrategia alcanzó métricas cercanas a 1.0 en validación y prueba, con una pérdida considerablemente menor que la obtenida con Transfer Learning.

### Validación final

| Técnica de entrenamiento | Accuracy | Precision | Recall | F1-score | MCC | Pérdida |
| --- | ---: | ---: | ---: | ---: | ---: | ---: |
| Transfer Learning | 0.9628 | 0.9631 | 0.9628 | 0.9628 | 0.9260 | 0.1319 |
| Fine-Tuning parcial | 0.9995 | 0.9995 | 0.9995 | 0.9995 | 0.9990 | 0.0026 |

### Evaluación en prueba

| Técnica de entrenamiento | Accuracy | Precision | Recall | F1-score | MCC | Pérdida |
| --- | ---: | ---: | ---: | ---: | ---: | ---: |
| Transfer Learning | 0.9600 | 0.9602 | 0.9600 | 0.9600 | 0.9202 | 0.1353 |
| Fine-Tuning parcial | 0.9999 | 0.9999 | 0.9999 | 0.9999 | 0.9997 | 0.0015 |

## Matriz de confusión

La matriz de confusión compara el desempeño de ambas estrategias. El modelo entrenado con **Fine-Tuning parcial** presenta una separación casi perfecta entre las clases, mientras que el modelo con **Transfer Learning** registra una mayor cantidad de errores de clasificación.

![Matriz de confusión de Transfer Learning y Fine-Tuning parcial](./modelo_v3_hibrido/hibrido_v2/resultados/matrices_confusion_tl_ftp.png)

## Archivos principales

| Recurso | Ruta |
| --- | --- |
| Pesos de Transfer Learning | `modelo_v3_hibrido/hibrido_v2/transfer_learning/vit_papas_pesos_tl.pt` |
| Pesos de Fine-Tuning parcial | `modelo_v3_hibrido/hibrido_v2/fine_tuning_parcial/vit_papas_pesos_ftp.pt` |
| Métricas de prueba de Transfer Learning | `modelo_v3_hibrido/hibrido_v2/resultados/metricas_test_tl.csv` |
| Métricas de prueba de Fine-Tuning parcial | `modelo_v3_hibrido/hibrido_v2/resultados/metricas_test_ftp.csv` |
| Curvas y gráficas de evaluación | `modelo_v3_hibrido/hibrido_v2/resultados/` |

## Uso del modelo

Para utilizar el modelo, se debe cargar la arquitectura ViT base, aplicar el mismo preprocesamiento usado durante el entrenamiento y cargar los pesos correspondientes a la estrategia seleccionada.

```python
import torch
from PIL import Image
from transformers import ViTForImageClassification, ViTImageProcessor

RUTA_PESOS = "modelo_v3_hibrido/hibrido_v2/fine_tuning_parcial/vit_papas_pesos_ftp.pt"
RUTA_IMAGEN = "ruta/a/la/imagen.jpg"

id2label = {
    0: "Buen estado",
    1: "Defectuoso",
}

processor = ViTImageProcessor.from_pretrained("google/vit-base-patch16-224")
modelo = ViTForImageClassification.from_pretrained(
    "google/vit-base-patch16-224",
    num_labels=2,
    id2label=id2label,
    label2id={label: idx for idx, label in id2label.items()},
    ignore_mismatched_sizes=True,
)

checkpoint = torch.load(RUTA_PESOS, map_location="cpu")
estado = checkpoint.get("model_state_dict", checkpoint)
estado = estado.get("state_dict", estado)

modelo.load_state_dict(estado)
modelo.eval()

imagen = Image.open(RUTA_IMAGEN).convert("RGB")
entradas = processor(images=imagen, return_tensors="pt")

with torch.no_grad():
    salidas = modelo(**entradas)
    clase_predicha = salidas.logits.argmax(dim=1).item()

print(f"Predicción: {id2label[clase_predicha]}")
```

## Recomendaciones

- Usar preferentemente los pesos de **Fine-Tuning parcial**, ya que presentan el mejor rendimiento en prueba.
- Mantener el mismo tamaño de entrada y normalización del modelo base para evitar diferencias entre entrenamiento e inferencia.
- Validar el modelo con imágenes tomadas en condiciones reales de iluminación, fondo y distancia antes de integrarlo en un flujo de clasificación real.