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

Simple item page
dc.contributor.advisorIpanaqué Alama, Williames
dc.contributor.authorMoscol Albañil, Isabel del Pilares
dc.contributor.authorPeltroche Saavedra, Gleenes
dc.contributor.authorRuesta García, Víctor Augustoes
dc.contributor.otherUniversidad de Piura. Facultad de Ingeniería. Departamento de Ingeniería Mecánica Eléctrica.es
dc.coverage.spatialPerúes
dc.date.accessioned2021-09-17T16:13:29Z
dc.date.available2021-09-17T16:13:29Z
dc.date.issued2021-09-17es
dc.date.submitted2021-06es
dc.description.abstractEn 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.extent2,29 MBes
dc.format.mimetypeapplication/pdfes
dc.identifier.citationMoscol, 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.urihttps://hdl.handle.net/11042/5148
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.holderIsabel del Pilar Moscol Albañil, Gleen Peltroche Saavedra, Víctor Augusto Ruesta Garcíaes
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.subjectEspectrofotometría -- Análisises
dc.subjectProcesamiento de imágenes -- Técnicas digitaleses
dc.subjectRedes neuronales (Computadores) -- Aplicaciónes
dc.subjectHarina de pescado -- Secado -- Control automáticoes
dc.subjectControl predictivo -- Aplicaciónes
dc.subject.ddc629.831es
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.02.03es
dc.titlePredicción de parámetros de calidad de la harina de pescado utilizando Imágenes Hiperespectrales y Redes Neuronales Artificialeses
dc.typeinfo:eu-repo/semantics/bachelorThesises
renati.advisor.dni06422494
renati.advisor.orcidhttps://orcid.org/0000-0003-4039-4422es
renati.author.dni72938917
renati.author.dni48753718
renati.author.dni77143136
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_2109.pdf
Size:
2.29 MB
Format:
Adobe Portable Document Format
Description:
Archivo%20principal
Download
Collections
Área de Electrónica y Automatización - Tesis