Mostrar el registro sencillo del objeto digital

dc.contributor Ruiz Castilla, José Sergio
dc.contributor.author Arévalo Zenteno, Ma Dolores
dc.date.accessioned 2024-02-22T17:18:29Z
dc.date.available 2024-02-22T17:18:29Z
dc.date.issued 2024-02-08
dc.identifier.uri http://hdl.handle.net/20.500.11799/140158
dc.description Tesis digital es
dc.description.abstract Existen métodos manuales para reconocer el grado de madurez del durazno, en esta actividad los agricultores requieren de tiempo de aprendizaje y se requiere de una acción visual para detectar aquellos frutos que se van a cortar del árbol. Con los sistemas de visión artificial, específicamente Redes Neuronales Convolucionales, se propuso una solución para realizar el reconocimiento de frutos de durazno maduros, así como la identificación de frutos dañados. La finalidad es obtener frutos con el nivel de calidad adecuado para su comercialización. Para lograr el propósito, se obtuvieron imágenes de duraznos en un ambiente no controlado. Se recortaron las imágenes digitales hasta obtener el área de interés enfocando a la imagen de la fruta del durazno. Se configuraron tres conjuntos de datos: el primero de duraznos maduros e inmaduros, el segundo de duraznos maduros e inmaduros, pero solo enfocado a un área textural y el tercero de duraznos sanos y dañados. Se aplicó una Red Neuronal Convolucional, que fue programada en el lenguaje de programación Python, las librerías de Keras y Tensorflow. Durante las pruebas se obtuvieron resultados del 95,31% de precisión, para elegir entre maduros y no maduros. Mientras que, al clasificar los duraznos sanos y dañados un 92.18% de precisión. Al clasificar las tres categorías: dañados, inmaduros y maduros se obtuvo un 83.33% de precisión. Los resultados anteriores indican que con inteligencia artificial, embebida en un dispositivo físico, se puede hacer la clasificación del fruto del durazno, obteniendo los de mejor calidad para su comercialización. es
dc.language.iso spa es
dc.publisher Universidad Autónoma del Estado de México es
dc.rights openAccess es
dc.rights.uri http://creativecommons.org/licenses/by/4.0 es
dc.subject Clasificación es
dc.subject Durazno es
dc.subject Redes neuronales convolucionales es
dc.subject.classification INGENIERÍA Y TECNOLOGÍA es
dc.title Clasificación de fruto del durazno mediante redes neuronales convolucionales es
dc.type Tesis de Doctorado es
dc.provenance Científica es
dc.road Dorada es
dc.organismo Centro Universitario UAEM Texcoco es
dc.ambito Local es
dc.cve.CenCos 30401 es
dc.cve.progEstudios 1009 es
dc.modalidad Tesis es


Ficheros en el objeto digital

Este ítem aparece en la(s) siguiente(s) colección(ones)

Visualización del Documento

  • Título
  • Clasificación de fruto del durazno mediante redes neuronales convolucionales
  • Autor
  • Arévalo Zenteno, Ma Dolores
  • Director(es) de tesis, compilador(es) o coordinador(es)
  • Ruiz Castilla, José Sergio
  • Fecha de publicación
  • 2024-02-08
  • Editor
  • Universidad Autónoma del Estado de México
  • Tipo de documento
  • Tesis de Doctorado
  • Palabras clave
  • Clasificación
  • Durazno
  • Redes neuronales convolucionales
  • Los documentos depositados en el Repositorio Institucional de la Universidad Autónoma del Estado de México se encuentran a disposición en Acceso Abierto bajo la licencia Creative Commons: Atribución-NoComercial-SinDerivar 4.0 Internacional (CC BY-NC-ND 4.0)

Mostrar el registro sencillo del objeto digital

openAccess Excepto si se señala otra cosa, la licencia del ítem se describe cómo openAccess

Buscar en RI


Buscar en RI

Usuario

Estadísticas