Pirhua

Implementación de algoritmos de aprendizaje automático para la medición de parámetros de calidad de uva

Pirhua Repository

 

Show simple item record

dc.contributor.advisor Ipanaqué Alama, William es
dc.contributor.author es
dc.contributor.author es
dc.contributor.author es
dc.contributor.author es
dc.contributor.other Universidad de Piura. Facultad de Ingeniería. Departamento de Ingeniería Mecánica Eléctrica. es
dc.coverage.spatial Perú es
dc.date.accessioned 2021-06-21T15:09:50Z
dc.date.available 2021-06-21T15:09:50Z
dc.date.issued 2021-06-21 es
dc.date.submitted 2021-05 es
dc.identifier.citation Calle, R., Correa, E., Grosso, G. y Huamantoma, J. (2021). Implementación de algoritmos de aprendizaje automático para la medición de parámetros de calidad de uva (Trabajo de investigación de bachiller en Ingeniería Mecánico-Eléctrica). Universidad de Piura. Facultad de Ingeniería. Programa Académico de Ingeniería Mecánico-Eléctrica. Piura, Perú. es
dc.identifier.uri
dc.description.abstract El objetivo del trabajo es desarrollar un sistema con la ayuda de los clasificadores de Machine Learning para la medición de calidad de la uva, con lo que se podrá seleccionar el clasificador más adecuado, con el fin de ayudar a los agricultores a facilitar la labor de control y prevención de plagas y análisis de nutrientes del suelo de cultivo. Para ello, se hace uso desde imágenes en el espacio RGB (Red, Green and Blue) para que, por medio de distintos algoritmos de inteligencia artificial, lograr una estimación del peso y apariencia (color) de los racimos de uva mientras que, para el calibre, se utilizaron técnicas de procesamiento de imágenes. En tanto, la metodología propuesta para la estimación de los parámetros de calidad se compone de tres parámetros principales: estimación del peso, estimación del calibre y apariencia estimación. Por lo demás, las imágenes de las uvas están segmentadas utilizando el Photoshop para mejorar la tarea de estimación en la que parámetro. Por último, la red neural multicapa de perceptrón es utilizada para estimar los pesos y el Support Vector Machine se utiliza como algoritmo final para clasificar los racimos de uva como adecuados o no aptos para la exportación por apariencia. Otro algoritmo como la Convolutional Neural Networks y el aprendizaje por transferencia se utilizan para comparar la precisión del modelo. Se demuestra además que, para el caso particular de uvas Red Globe de la Sociedad Agrícola Saturno S.A., en el caso del Machine Learning, se obtuvo un 78.1% en la estimación de apariencia y un 86.7% para la estimación del peso mientras que, para el caso del Deep Learning, se obtuvo un 90.36% y un 82.79% en las mismas estimaciones. En tanto, se concluye que es viable el uso de algoritmos de aprendizaje automático y procesamiento de imágenes para estimar los parámetros de calidad de uva. Asimismo, se determina que es mejor usar algoritmos de Machine learning cuando no se tiene suficiente data para la estimación del peso. es
dc.format.extent 2,32 MB es
dc.format.mimetype application/pdf es
dc.language Español es
dc.language.iso spa es
dc.publisher Universidad de Piura es
dc.relation.requires Adobe Reader es
dc.rights info:eu-repo/semantics/openAccess es
dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/4.0/ es
dc.source Universidad de Piura es
dc.source Repositorio Institucional Pirhua - UDEP es
dc.subject Procesamiento de imágenes -- Técnicas digitales es
dc.subject Uvas -- Investigaciones es
dc.subject Inteligencia artificial -- Aplicación es
dc.subject Redes neuronales (Computadores) -- Aplicación es
dc.subject.ddc 006.32 es
dc.title Implementación de algoritmos de aprendizaje automático para la medición de parámetros de calidad de uva es
dc.type info:eu-repo/semantics/bachelorThesis es
dc.rights.holder Rubén Alonso Calle Lapouble, Eduardo Emmanuel Correa Correa, Gustavo Edgardo Grosso Salazar, José Luis Huamantoma Pumallihua es
dc.rights.license Creative Commons Atribución-NoComercial-SinDerivar 4.0 Internacional es
dc.relation.publishversion 1 es
thesis.degree.name Bachiller en Ingeniería Mecánico-Eléctrica es
thesis.degree.grantor Universidad de Piura. Facultad de Ingeniería es
thesis.degree.discipline Ingeniería Mecánico-Eléctrica es
dc.publisher.country PE es
dc.subject.ocde https://purl.org/pe-repo/ocde/ford#2.02.03 es
renati.author.dni 70340993
renati.author.dni 70226859
renati.author.dni 73182016
renati.author.dni 70665085
renati.advisor.orcid https://orcid.org/0000-0003-4039-4422 es
renati.advisor.dni 06422494
renati.type https://purl.org/pe-repo/renati/type#trabajoDeInvestigacion es
renati.level https://purl.org/pe-repo/renati/level#bachiller es
renati.discipline 713076 es


Files in this item

This item appears in the following Collection(s)

Show simple item record

Creative Commons Atribución-NoComercial-SinDerivar 4.0 Internacional Except where otherwise noted, this item's license is described as Creative Commons Atribución-NoComercial-SinDerivar 4.0 Internacional

Search Pirhua

Guides and tutorials

Check the manuals to quote, publish or find content in our institutional repository.

Main catalog

Browse more collections in Biblioteca Central.

My Account