Look-up in Google Scholar
Full metadata record
Peralta Luján, José Luis
Guevara Valladares, Ana Paula
Murga Milla, Everett Emanuel
11/11/2019 12:31
11/11/2019 12:31
2019
https://hdl.handle.net/20.500.14414/14962
The main objective of this research is to develop a system based on computational_x000D_ vision that is able to classify the grape (Red Globe and Italia) in an accurate way into_x000D_ three categories, these are the Extra category, Category I and Category II, through image_x000D_ processing and respecting the characteristics which specifies the technical standard_x000D_ NTP 011.012 2005 for table grapes, this being a national standard._x000D_ The solution focused on the design and construction of two convolutional neural_x000D_ networks, for the Red Globe grape and Italy grape, which were trained with grape_x000D_ images of the three categories, following the phases of computational vision to identify_x000D_ them._x000D_ Was obtained as a result that the Red Globe grape computational vision system_x000D_ has a classification accuracy of 80.78 %, a sensitivity of 80.77% and a specificity of_x000D_ 90.39 %; while for the Italy grape, an classification accuracy of 81.04 %, a sensitivity_x000D_ of 81.03% and a specificity of 90.52% were obtained. In this way, it is intended_x000D_ to contribute to the use of new technologies to boost agricultural production in our_x000D_ country (es_PE)
La presente investigación tiene por objetivo principal desarrollar un sistema basado en visión computacional que sea capaz de clasificar a la uva (Red Globe e Italia) de manera certera en tres categorías, estas son la categoría Extra, Categoría I y Categoría II, mediante el procesamiento de imágenes y respetando las características que especifica la norma técnica NTP 011.012 2005 para la uva de mesa, siendo esta un estándar a nivel nacional._x000D_ La solución se enfocó en el diseño y construcción de dos redes neuronales convolucionales, para la uva Red Globe y uva Italia, las cuales se entrenaron con imágenes de uva de las tres categorías, siguiendo las fases de la visión computacional para poder identificarlos._x000D_ Se obtuvo como resultado que el sistema de visión computacional para uva Red_x000D_ Globe tiene una precisión en la clasificación de 80.78 %, una sensibilidad de 80.77% y una especificidad de 90.39 %; mientras que para la uva Italia se obtuvo una precisión en la clasificación de 81.04 %, una sensibilidad de 81.03% y una especificidad de 90.52 %. De esta manera se pretende contribuir en el uso de nuevas tecnologías para el impulso de la producción agrícola en nuestro país (es_PE)
Tesis (es_PE)
spa (es_PE)
Universidad Nacional de Trujillo (es_PE)
info:eu-repo/semantics/openAccess (es_PE)
http://creativecommons.org/licenses/by-nc-nd/2.5/pe/ (es_PE)
Universidad Nacional de Trujillo (es_PE)
Repositorio institucional - UNITRU (es_PE)
Visión computacional (es_PE)
Procesamiento de imágenes (es_PE)
Uva (es_PE)
Sistema de visión computacional para el proceso de clasificación de uva (es_PE)
info:eu-repo/semantics/bachelorThesis (es_PE)
Universidad Nacional de Trujillo.Facultad de Ciencias Físicas y Matemáticas (es_PE)
Informática (es_PE)
Título Profesional (es_PE)
Ingeniero Informático (es_PE)
Pública



This item is licensed under a Creative Commons License Creative Commons