Buscar en Google Scholar
Título: Predicción de parámetros de calidad de la harina de pescado utilizando Imágenes Hiperespectrales y Redes Neuronales Artificiales
Campo OCDE: https://purl.org/pe-repo/ocde/ford#2.02.03
Fecha de publicación: 17-sep-2021
Institución: Universidad de Piura
Resumen: En 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.
Enlace al repositorio: https://hdl.handle.net/11042/5148
Disciplina académico-profesional: Ingeniería Mecánico-Eléctrica
Institución que otorga el grado o título: Universidad de Piura. Facultad de Ingeniería
Grado o título: Bachiller en Ingeniería Mecánico-Eléctrica
Fecha de registro: 17-sep-2021



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons