Predicción de parámetros de calidad de la harina de pescado utilizando Imágenes Hiperespectrales y Redes Neuronales Artificiales

Moscol Albañil, Isabel del Pilar; Peltroche Saavedra, Gleen; Ruesta García, Víctor Augusto

Browse

All of Pirhua
This Collection
- By Issue Date
- Authors
- Titles
- Subjects

Statistics

View Usage Statistics

dc.contributor.advisor	Ipanaqué Alama, William	es
dc.contributor.author	Moscol Albañil, Isabel del Pilar	es
dc.contributor.author	Peltroche Saavedra, Gleen	es
dc.contributor.author	Ruesta García, Víctor Augusto	es
dc.contributor.other	Universidad de Piura. Facultad de Ingeniería. Departamento de Ingeniería Mecánica Eléctrica.	es
dc.coverage.spatial	Perú	es
dc.date.accessioned	2021-09-17T16:13:29Z
dc.date.available	2021-09-17T16:13:29Z
dc.date.issued	2021-09-17	es
dc.date.submitted	2021-06	es
dc.identifier.citation	Moscol, I., Peltroche, G. y Ruesta, V. (2021). Predicción de parámetros de calidad de la harina de pescado utilizando Imágenes Hiperespectrales y Redes Neuronales Artificiales (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	https://hdl.handle.net/11042/5148
dc.description.abstract	En la presente investigación, se plantea mejorar la calidad de la harina de pescado a través de la automatización del control de calidad mediante la predicción de sus parámetros utilizando imágenes hiperespectrales y redes neuronales. Para lo cual, se desarrollan modelos personalizados con la estructura de una red neuronal perceptrón multicapa para cada uno de los principales parámetros: proteína, grasa, humedad y cenizas para lograr la correcta clasificación de la calidad de la harina de pescado según los estándares internacionales. En tanto, se plantea medir los parámetros de calidad más relevantes a la salida del proceso de secado de manera no invasiva y en un tiempo de adquisición de resultados más bajo respecto al método tradicional sin necesidad de mano de obra constante durante el proceso. Para ello, se desarrollan algoritmos de redes neuronales artificiales con los datos obtenidos mediante la tecnología de imágenes hiperespectrales, cuya adecuada implementación a futuro permitirá automatizar el proceso de secado y mejorar la calidad de la harina de pescado a través de la automatización del control de calidad mediante la predicción de sus parámetros. Por lo que, se obtuvo como resultado una buena correlación entre la reflectancia, proporcionada por la imagen hiperespectral, y los principales parámetros de calidad tras implementar un algoritmo de red neural perceptrón multicapa.	es
dc.format.extent	2,29 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	Espectrofotometría -- Análisis	es
dc.subject	Procesamiento de imágenes -- Técnicas digitales	es
dc.subject	Redes neuronales (Computadores) -- Aplicación	es
dc.subject	Harina de pescado -- Secado -- Control automático	es
dc.subject	Control predictivo -- Aplicación	es
dc.subject.ddc	629.831	es
dc.title	Predicción de parámetros de calidad de la harina de pescado utilizando Imágenes Hiperespectrales y Redes Neuronales Artificiales	es
dc.type	info:eu-repo/semantics/bachelorThesis	es
dc.rights.holder	Isabel del Pilar Moscol Albañil, Gleen Peltroche Saavedra, Víctor Augusto Ruesta García	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	72938917
renati.author.dni	48753718
renati.author.dni	77143136
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