Los sistemas de vision artificial permiten identificar caracteristicas fisicas y defectos de los productos de manera no intrusiva y confiable. Debido a estas ventajas, los sistemas de vision han tenido gran aceptacion en las industrias agricola y alimenticia, ya que estas industrias requieren de una alta demanda de objetividad, coherencia y eficiencia en el control de la calidad de los productos, condiciones que los sistemas de vision artificial pueden cumplir. Este trabajo propone un procedimiento para evaluar de manera automatica el estado de maduracion de la pina (Ananas Comosus) variedad perolera en post-cosecha mediante tecnicas de vision artificial. El procedimiento de evaluacion propuesto es implementado a traves de un algoritmo de procesamiento de imagenes digitales en color basado en las etapas de pre-procesamiento, segmentacion, extraccion de caracteristicas y clasificacion estadistica. Se empleo, imagenes en el espacio de color HSV, segmentacion por umbralizacion automatica mediante el metodo de Otsu, el momento de primer orden de las distribuciones de los planos H y S como caracteristicas, y el algoritmo MBSAS (Modified Basic Sequential Algorithmic Scheme– en ingles) para la clasificacion. Se utilizaron 319 imagenes, de las cuales 110 imagenes fueron utilizadas en el proceso de entrenamiento y 209 imagenes fueron utilizadas en el proceso de evaluacion. Los resultados obtenidos por el procedimiento de evaluacion propuesto en este trabajo, fueron contrastados con el juicio de valor de tres expertos, que mostraron que el algoritmo propuesto tiene una eficiencia de evaluacion cercana al 96,36%.