Bibliographic citations
This is an automatically generated citacion. Modify it if you see fit
Gonzales, O., Lopez, A. (2024). Análisis de algoritmos de aprendizaje automático para detectar la roya de café [Tesis, Universidad Señor de Sipán]. https://hdl.handle.net/20.500.12802/13520
Gonzales, O., Lopez, A. Análisis de algoritmos de aprendizaje automático para detectar la roya de café [Tesis]. PE: Universidad Señor de Sipán; 2024. https://hdl.handle.net/20.500.12802/13520
@misc{renati/1426881,
title = "Análisis de algoritmos de aprendizaje automático para detectar la roya de café",
author = "Lopez Cruz, Alex Fabian",
publisher = "Universidad Señor de Sipán",
year = "2024"
}
Title: Análisis de algoritmos de aprendizaje automático para detectar la roya de café
Authors(s): Gonzales Inoñan, Oscar Eduardo; Lopez Cruz, Alex Fabian
Advisor(s): Vásquez Leyva, Oliver
OCDE field: https://purl.org/pe-repo/ocde/ford#2.02.04
Issue Date: 2024
Institution: Universidad Señor de Sipán
Abstract: El objetivo de la investigación consiste en analizar algoritmos de aprendizaje
automático para la detección de roya de café. En este contexto, se emplearon algoritmos
supervisados, entre los cuales se incluyen Random Forest (RF), Decision Tree (DT), Support
Vector Machine (SVM) y Custom Convolutional Neural Networks (CNN). Para llevar a cabo el
entrenamiento de dichos algoritmos, se utilizó un conjunto de datos compuesto por 6260
imágenes de hojas de café, tanto saludables como no saludables. Es importante señalar que
se implementó un proceso de preprocesamiento inicial que implicó la eliminación del fondo
de las imágenes. Dentro de la metodología empleada, se asignó el 80% de las imágenes al
conjunto de entrenamiento, mientras que el 20% restante se destinó a la validación del
modelo. Asimismo, se documenta detalladamente el proceso de selección e implementación
de cada algoritmo, acompañado de las correspondientes métricas de precisión, exactitud,
sensibilidad y la puntuación F1. Los resultados obtenidos indican que el algoritmo Decision
Tree se destaca como el más eficaz en la detección del patógeno en cuestión, alcanzando
un rendimiento del 99%. En conclusión, este estudio demuestra de manera concluyente que
los algoritmos de aprendizaje automático representan una herramienta sumamente
prometedora para la detección de la roya del café
Link to repository: https://hdl.handle.net/20.500.12802/13520
Discipline: Ingeniería de Sistemas
Grade or title grantor: Universidad Señor de Sipán. Facultad de Ingeniería, Arquitectura y Urbanismo
Grade or title: Ingeniero de Sistemas
Juror: Arcila Diaz, Juan Carlos; Asenjo Carranza, Enrique David; Mejia Cabrera, Heber Ivan
Register date: 25-Nov-2024
This item is licensed under a Creative Commons License