Look-up in Google Scholar
Full metadata record
Medrano Valencia, Ivan Cesar
Bustamante Flores, Erick Andrew
2025-01-24T21:18:35Z
2025-01-24T21:18:35Z
2024
253T20241909
http://hdl.handle.net/20.500.12918/10279
Este estudio presenta un modelo de visión computacional basado en transferencia de aprendizaje para la clasificación automatizada de las especies de moscas de la fruta Anastrepha fraterculus y Ceratitis capitata, cuya identificación manual, actualmente realizada por expertos del Servicio Nacional de Sanidad Agraria del Perú (SENASA), enfrenta limitaciones de tiempo y consistencia. La plaga de la familia Tephritidae genera graves daños en la producción frutícola de la provincia de La Convención, motivando la necesidad de soluciones que optimicen la gestión y clasificación de estas especies. SENASA ha implementado una red de trampas para capturar muestras, que luego son clasificadas en laboratorios especializados, aunque esta labor resulta compleja debido a la fatiga de los especialistas y a la variabilidad morfológica de las especies. Para abordar estos desafíos, este proyecto implementó un modelo de aprendizaje profundo, entrenado con imágenes capturadas con un teléfono celular a través del ocular de un estereomicroscopio en un entorno controlado. Las imágenes fueron segmentadas y preprocesadas para resaltar características morfológicas relevantes, empleando los modelos preentrenados VGG16, VGG19 e Inception-v3. Los resultados mostraron que Inception-v3 alcanzó el mayor F1-score (100.00%), superando a VGG16 (92.00%) y a VGG19 (87.00%). Su confiabilidad fue verificada utilizando imágenes de entornos no controlados, incluidas imágenes de internet, además de la técnica Grad-CAM, que confirmó su capacidad para capturar características clave de las especies. Estos hallazgos sugieren que Inception-v3 es un método efectivo y aplicable en sistemas de monitoreo automatizados, con potencial para mejorar la precisión y eficiencia en la clasificación de A. fraterculus (es_PE)
application/pdf (en_US)
spa (es_PE)
Universidad Nacional de San Antonio Abad del Cusco (es_PE)
info:eu-repo/semantics/openAccess (en_US)
http://creativecommons.org/licenses/by-nc-nd/4.0/ (*)
Mosca de la fruta (es_PE)
Vision computacional (es_PE)
Transferencia (es_PE)
Aprendizaje (es_PE)
Grad-CAM (es_PE)
Identificación y clasificación de la mosca de la fruta de las especies Anastrepha fraterculus y Ceratitis capitata en imágenes utilizando un modelo de visión computacional basado en transferencia de aprendizaje (es_PE)
info:eu-repo/semantics/bachelorThesis
Universidad Nacional de San Antonio Abad del Cusco. Facultad de Ingeniería Eléctrica, Electrónica, Informática y Mecánica
Ingeniería Informática y de Sistemas
Ingeniero Informático y de Sistemas
PE
http://purl.org/pe-repo/ocde/ford#1.02.02
http://purl.org/pe-repo/renati/nivel#tituloProfesional
23881501
https://orcid.org/0000-0003-0623-090X
75434094
612296
Candia Oviedo, Dennis Ivan
Pacheco Vasquez, Esther Cristina
Zamalloa Paro, Willian
Villalba Villalba, Tany
http://purl.org/pe-repo/renati/type#tesis
Pública



This item is licensed under a Creative Commons License Creative Commons