Buscar en Google Scholar
Registro completo de metadatos
Sánchez Penadillo, Edward Russel
Palacios Vargas, Juan Bryan
2024-01-23T21:43:28Z
2024-01-23T21:43:28Z
2023
https://hdl.handle.net/20.500.12867/8230
Desde el año 2000, el sector agroexportador peruano ha experimentado un crecimiento abrupto debido a la gran demanda de los productos agrícolas, entre ellos el sector frutícola. Sin embargo, es preciso aclarar que las maquinas que cumplen las funciones de clasificación y selección de frutas de manera automática demandan una alta inversión. Ante esta problemática, la intención de la presente tesis es desarrollar un modelo de visión artificial basado en redes neuronales. Este modelo está orientado a la identificación de la enfermedad de antracnosis en mangos. Este proyecto presenta un enfoque cuantitativo, debido al uso de la estadística y métricas de desempeño. Asimismo, el alcance de este estudio es de tipo descriptivo. Además, para desarrollar este proyecto se utilizó la metodología alemana VDI 2206, la cual está orientada a proyectos mecatrónicos. Durante la etapa de desarrollo, se utilizó el modelo pre-entrenado MobileNet, al cual se le aplicó la técnica de Transfer Learning, para luego re-entrenar la red con las clases que queramos que clasifique el modelo. Además, el controlador seleccionado para este proyecto, ha sido la tarjeta Jetson Nano de NVIDIA. Con respecto a los resultados logrados, tras la etapa de entrenamiento el modelo MobileNet alcanzó un 83.37% en precisión y un 82.35% en exactitud. Por otro lado, durante la etapa de pruebas del modelo con la Jetson Nano, se utilizaron mangos reales y se logró alcanzar adecuadas métricas de desempeño. Es así, que se obtuvo un 98.04% de precisión y un 98.00% de exactitud. Para finalizar, se concluye que se logró superar el valor planteado en la hipótesis, en la cual se estimó un de 95.0% de precisión y exactitud. (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad Tecnológica del Perú (es_PE)
info:eu-repo/semantics/closedAccess (es_PE)
http://creativecommons.org/licenses/by-nc-sa/4.0/ (es_PE)
Repositorio Institucional - UTP (es_PE)
Universidad Tecnológica del Perú (es_PE)
Redes neuronales artificiales (es_PE)
Visión artificial (es_PE)
Enfermedades de las plantas (es_PE)
Fruta (Alimento) (es_PE)
Desarrollo de un sistema de visión artificial con redes neuronales convolucionales para la identificación en tiempo real de antracnosis en mangos (es_PE)
info:eu-repo/semantics/bachelorThesis (es_PE)
Universidad Tecnológica del Perú. Facultad de Ingeniería (es_PE)
Ingeniería Mecatrónica (es_PE)
Ingeniero Mecatrónico (es_PE)
PE (es_PE)
https://purl.org/pe-repo/ocde/ford#2.11.03 (es_PE)
Pregrado (es_PE)
http://purl.org/pe-repo/renati/level#tituloProfesional (es_PE)
41952058
https://orcid.org/0000-0002-8227-9783 (es_PE)
70157868
713096 (es_PE)
Quiñones Nieto, Yamil Alexander
Zárate Peña, Frank William
Nolasco Espinoza, Óscar Vidal
http://purl.org/pe-repo/renati/type#tesis (es_PE)
Privada societaria
info:eu-repo/semantics/publishedVersion (es_PE)



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