Bibliographic citations
This is an automatically generated citacion. Modify it if you see fit
Villegas, M., Chapoñan, Y. (2018). RECONOCIMIENTO DE IMPUREZAS DE AISLADORES ELÉCTRICOS EN IMÁGENES DIGITALES [Tesis, Universidad Señor de Sipán]. https://hdl.handle.net/20.500.12802/5480
Villegas, M., Chapoñan, Y. RECONOCIMIENTO DE IMPUREZAS DE AISLADORES ELÉCTRICOS EN IMÁGENES DIGITALES [Tesis]. PE: Universidad Señor de Sipán; 2018. https://hdl.handle.net/20.500.12802/5480
@misc{renati/744183,
title = "RECONOCIMIENTO DE IMPUREZAS DE AISLADORES ELÉCTRICOS EN IMÁGENES DIGITALES",
author = "Chapoñan Santisteban, Yilmer Justiniano",
publisher = "Universidad Señor de Sipán",
year = "2018"
}
Full metadata record
Mejia Cabrera, Heber Ivan
Villegas Vega, Myguel Angel Mohamet
Chapoñan Santisteban, Yilmer Justiniano
2019-02-25T19:24:40Z
2019-02-25T19:24:40Z
2018
https://hdl.handle.net/20.500.12802/5480
.Este trabajo se enfoca en los algoritmos y técnicas empleadas para el reconocimiento de impurezas en aisladores eléctricos. Y se desarrolló con el objetivo de poder determinar a tiempo, cuando es que un aislador eléctrico necesita su respectivo mantenimiento preventivo; para impedir cortocircuitos, fugas a tierra y arcos eléctricos. La implementación se propuso en un laboratorio de investigación, limitándose a procesar 200 diferentes imágenes. Las técnicas usadas en la presente investigación fueron las de observación y entrevista a ingenieros eléctricos que nos explicó los principales problemas con respecto a estos aisladores eléctricos en media y alta tensión.
Para poder realizar este trabajo se usaron diferentes algoritmos en cada una de las etapas del procesamiento de imágenes digitales: Pre – Procesamiento (Filtros de Mediana y Filtro Blur Normalizado), Segmentación (Otsu), Extracción de características (Gabor y LBP) y Clasificación (SVM, KNN, Red Neuronal Probabilística y clasificación semiautomático).
Debido a que se usaron 2 algoritmos en el pre procesamiento, un algoritmo en la etapa de segmentación y 2 algoritmos en la etapa de Extracción, se obtuvieron 2 grupos (Gabor y LBP) para cada grupo de algoritmos de Pre Procesamiento.
Después de que se clasificaron todas las imágenes en cada uno de los grupos, se obtuvo un porcentaje en cuanto a rendimiento de 100% con SVM y KNN en base a la clasificación semiautomático con los algoritmos (Filtro Mediana, Otsu, Gabor), seguido de un 80% con todos los algoritmos de clasificación con los algoritmos (Filtro Normalizado, Otsu, LBP). El mejor resultado con el algoritmo de redes neuronales fue de 80% con Filtro Normalizado, Otsu y LBP (es_PE)
Tesis (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad Señor de Sipán (es_PE)
info:eu-repo/semantics/openAccess (es_PE)
https://creativecommons.org/licenses/by-nc-nd/4.0/ (*)
Repositorio Institucional - USS (es_PE)
Repositorio Institucional USS (es_PE)
Reconocimiento de imágenes (es_PE)
Algoritmos (es_PE)
Aisladores eléctricos (es_PE)
Impurezas (es_PE)
Mantenimiento preventivo (es_PE)
RECONOCIMIENTO DE IMPUREZAS DE AISLADORES ELÉCTRICOS EN IMÁGENES DIGITALES (es_PE)
info:eu-repo/semantics/bachelorThesis (es_PE)
Universidad Señor de Sipán. Facultad de Ingeniería, Arquitectura y Urbanismo (es_PE)
Ingeniería de Sistemas (es_PE)
Título Profesional (es_PE)
Ingeniero de Sistemas (es_PE)
PE (es_PE)
https://purl.org/pe-repo/ocde/ford#2.02.04 (es_PE)
https://purl.org/pe-repo/renati/level#tituloProfesional (es_PE)
612076 (es_PE)
https://purl.org/pe-repo/renati/type#tesis (es_PE)
Privada societaria
This item is licensed under a Creative Commons License