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

Simple item page
dc.contributor.advisorIpanaqué Alama, Williames
dc.contributor.authorCalle Lapouble, Rubén Alonsoes
dc.contributor.authorCorrea Correa, Eduardo Emmanueles
dc.contributor.authorGrosso Salazar, Gustavo Edgardoes
dc.contributor.authorHuamantoma Pumallihua, José Luises
dc.contributor.otherUniversidad de Piura. Facultad de Ingeniería. Departamento de Ingeniería Mecánica Eléctrica.es
dc.coverage.spatialPerúes
dc.date.accessioned2021-06-21T15:09:50Z
dc.date.available2021-06-21T15:09:50Z
dc.date.issued2021-06-21es
dc.date.submitted2021-05es
dc.description.abstractEl 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.extent2,32 MBes
dc.format.mimetypeapplication/pdfes
dc.identifier.citationCalle, 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.urihttps://hdl.handle.net/11042/4995
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.holderRubén Alonso Calle Lapouble, Eduardo Emmanuel Correa Correa, Gustavo Edgardo Grosso Salazar, José Luis Huamantoma Pumallihuaes
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.subjectUvas -- Investigacioneses
dc.subjectInteligencia artificial -- Aplicaciónes
dc.subjectRedes neuronales (Computadores) -- Aplicaciónes
dc.subject.ddc006.32es
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.02.03es
dc.titleImplementación de algoritmos de aprendizaje automático para la medición de parámetros de calidad de uvaes
dc.typeinfo:eu-repo/semantics/bachelorThesises
renati.advisor.dni06422494
renati.advisor.orcidhttps://orcid.org/0000-0003-4039-4422es
renati.author.dni70340993
renati.author.dni70226859
renati.author.dni73182016
renati.author.dni70665085
renati.discipline713076es
renati.levelhttps://purl.org/pe-repo/renati/level#bachilleres
renati.typehttps://purl.org/pe-repo/renati/type#trabajoDeInvestigaciones
thesis.degree.disciplineIngeniería Mecánico-Eléctricaes
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_2107.pdf
Size:
2.32 MB
Format:
Adobe Portable Document Format
Description:
Archivo%20principal
Download
Collections
Área de Electrónica y Automatización - Tesis