Clasificación de hojas de tomate con plagas o enfermedades usando una máquina de soporte vectorial (SVM)

Simple item page
dc.contributor.advisorIpanaqué Alama, Williames
dc.contributor.authorPrieto Morante, Juan Sebastiánes
dc.contributor.authorTrelles Prieto, Rita Lucianaes
dc.contributor.otherUniversidad de Piura. Facultad de Ingeniería. Departamento de Ingeniería Mecánica Eléctrica.es
dc.coverage.spatialPerúes
dc.date.accessioned2021-05-17T16:07:44Z
dc.date.available2021-05-17T16:07:44Z
dc.date.issued2021-05-17es
dc.date.submitted2021-03es
dc.description.abstractEl objetivo del trabajo es desarrollar un algoritmo de tipo SVM (Support Vector Machine), que sea capaz de clasificar imágenes de hojas de planta de tomate en plantas sanas o en plantas con hongos, plagas y otras enfermedades. Adicionalmente, se desarrolla otro algoritmo clasificador SVM multiclase con el fin de comparar y definir el mejor método para la clasificación. El algoritmo creado tendrá como propósito analizar imágenes de la hoja de tomate y clasificarlas en sanas o enfermas, pero no se contempla la implementación de dicho algoritmo a un sistema que controle automáticamente la presencia o no de plagas en plantas de tomate, ni la creación de una interfaz de fácil acceso para el mismo fin. La metodología propuesta se desarrolla en múltiples etapas. En primer lugar, se obtuvo un dataset de imágenes de hojas de tomate. Estas imágenes son procesadas y sus principales características de color y textura son extraídas. Luego de la extracción de características, el 80% del dataset es utilizado para el entrenamiento del respectivo modelo SVM, mientras que, el restante 20%, es usado para probar el modelo y obtener las matrices de confusión y algunas métricas para evaluar su desempeño. En el primer programa se realizó una clasificación en dos etapas, utilizando un SVM binario en secuencia. La primera etapa clasifica a las hojas en sanas o enfermas y con este modelo se obtuvo una precisión al 99.3%. En tanto, la segunda etapa clasifica a las hojas enfermas en alguna de las dos enfermedades: tizón tardío o marchitamiento bacteriano. Con este modelo se obtuvo una precisión del 97.2% en promedio. Por otro lado, en el segundo programa clasificador, usó un único modelo SVM multiclase (uno contra todos), con el que se obtuvo una precisión promedio del 95% de las clases.es
dc.format.extent3,18 MBes
dc.format.mimetypeapplication/pdfes
dc.identifier.citationPrieto, J. y Trelles, R. (2021). Clasificación de hojas de tomate con plagas o enfermedades usando una máquina de soporte vectorial (SVM) (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.urihttps://hdl.handle.net/11042/4940
dc.languageEspañoles
dc.language.isospaes
dc.publisherUniversidad de Piuraes
dc.publisher.countryPEes
dc.relation.publishversion1es
dc.relation.requiresAdobe Readeres
dc.rightsinfo:eu-repo/semantics/openAccesses
dc.rights.holderJuan Sebastián Prieto Morante, Rita Luciana Trelles Prietoes
dc.rights.licenseCreative Commons Atribución-NoComercial-SinDerivar 4.0 Internacionales
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/es
dc.sourceUniversidad de Piuraes
dc.sourceRepositorio Institucional Pirhua - UDEPes
dc.subjectProcesamiento de imágenes -- Técnicas digitaleses
dc.subjectTomates -- Enfermedades y plagas -- Investigacioneses
dc.subject.ddc621.367es
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.02.03es
dc.titleClasificación de hojas de tomate con plagas o enfermedades usando una máquina de soporte vectorial (SVM)es
dc.typeinfo:eu-repo/semantics/bachelorThesises
renati.advisor.dni06422494
renati.advisor.orcidhttps://orcid.org/0000-0003-4039-4422es
renati.author.dni71590096
renati.author.dni72563509
renati.discipline713076es
renati.jurorIpanaqué Alama, Williames
renati.jurorQuispe Chanampa, Carlos Nicoláses
renati.levelhttps://purl.org/pe-repo/renati/level#bachilleres
renati.typehttp://purl.org/pe-repo/renati/type#trabajoDeInvestigaciones
thesis.degree.disciplineIngeniería Mecánico-Eléctrica
thesis.degree.grantorUniversidad de Piura. Facultad de Ingenieríaes
thesis.degree.nameBachiller en Ingeniería Mecánico-Eléctricaes
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
T_IME_2103.pdf
Size:
3.18 MB
Format:
Adobe Portable Document Format
Description:
Archivo%20principal
Download
Collections
Área de Electrónica y Automatización - Tesis