Discriminación varietal de cortes de mango (Mangifera indica) usando perfiles espectrales y sistemas expertos
Descripción del Articulo
El objetivo de esta investigación fue determinar si existe diferencia en la precisión de discriminación varietal de cortes de mango (Mangifera indica) usando perfiles espectrales y sistemas expertos. Se recolectaron mangos de nueve variedades diferentes de mango en campos de cultivo de Tambogrande-P...
| Autor: | |
|---|---|
| Formato: | tesis de grado |
| Fecha de Publicación: | 2023 |
| Institución: | Universidad Nacional de Frontera |
| Repositorio: | UNFS-Institucional |
| Lenguaje: | español |
| OAI Identifier: | oai:repositorio.unf.edu.pe:UNF/250 |
| Enlace del recurso: | http://repositorio.unf.edu.pe/handle/UNF/250 |
| Nivel de acceso: | acceso abierto |
| Materia: | Mangifera indica Imágenes hiperespectrales Variedades de mango Análisis multivariado http://purl.org/pe-repo/ocde/ford#2.11.01 |
| id |
UNFS_74201d34a5e9b5b946ac0085f5479721 |
|---|---|
| oai_identifier_str |
oai:repositorio.unf.edu.pe:UNF/250 |
| network_acronym_str |
UNFS |
| network_name_str |
UNFS-Institucional |
| repository_id_str |
4235 |
| dc.title.es_ES.fl_str_mv |
Discriminación varietal de cortes de mango (Mangifera indica) usando perfiles espectrales y sistemas expertos |
| title |
Discriminación varietal de cortes de mango (Mangifera indica) usando perfiles espectrales y sistemas expertos |
| spellingShingle |
Discriminación varietal de cortes de mango (Mangifera indica) usando perfiles espectrales y sistemas expertos Vega Mejia, Leibi Miriam Mangifera indica Imágenes hiperespectrales Variedades de mango Análisis multivariado http://purl.org/pe-repo/ocde/ford#2.11.01 |
| title_short |
Discriminación varietal de cortes de mango (Mangifera indica) usando perfiles espectrales y sistemas expertos |
| title_full |
Discriminación varietal de cortes de mango (Mangifera indica) usando perfiles espectrales y sistemas expertos |
| title_fullStr |
Discriminación varietal de cortes de mango (Mangifera indica) usando perfiles espectrales y sistemas expertos |
| title_full_unstemmed |
Discriminación varietal de cortes de mango (Mangifera indica) usando perfiles espectrales y sistemas expertos |
| title_sort |
Discriminación varietal de cortes de mango (Mangifera indica) usando perfiles espectrales y sistemas expertos |
| author |
Vega Mejia, Leibi Miriam |
| author_facet |
Vega Mejia, Leibi Miriam |
| author_role |
author |
| dc.contributor.advisor.fl_str_mv |
Castro Silupu, Wilson Manuel |
| dc.contributor.author.fl_str_mv |
Vega Mejia, Leibi Miriam |
| dc.subject.es_ES.fl_str_mv |
Mangifera indica Imágenes hiperespectrales Variedades de mango Análisis multivariado |
| topic |
Mangifera indica Imágenes hiperespectrales Variedades de mango Análisis multivariado http://purl.org/pe-repo/ocde/ford#2.11.01 |
| dc.subject.ocde.es_ES.fl_str_mv |
http://purl.org/pe-repo/ocde/ford#2.11.01 |
| description |
El objetivo de esta investigación fue determinar si existe diferencia en la precisión de discriminación varietal de cortes de mango (Mangifera indica) usando perfiles espectrales y sistemas expertos. Se recolectaron mangos de nueve variedades diferentes de mango en campos de cultivo de Tambogrande-Piura, de los cuales se obtuvo de 241 cortes. Seguidamente, se midieron los grados brix del total de muestras mediante refractrometría y luego se escanearon los cortes de mango usando un sistema de imágenes hiperespectrales Vis-NIR (400 nm. a 1000 nm) en modo reflectancia, por el método de barrido lineal. La reflectancia fue corregida con imágenes de referencia oscuro y blanco, luego se extrajo la región de interés (ROI, por sus siglas en inglés) aplicando la técnica de umbralizado y se extrajeron los perfiles medios suavizados con el filtro Savitzky-Golay de segundo orden y 11 pasos. Posteriormente, se implementaron tres modelos de clasificación incluidos; análisis discriminante lineal (ADL), máquina de soporte vectorial (MSV) y discriminante subespacial (DS), con 20 repeticiones y validación cruzada (K-fold = 5). Los resultados mostraron que el mejor desempeño fue obtenido por DS (Acc = 0.98 ± 0.01; medida F = 0.97 ± 0.008), seguido de MSV (Acc = 0.80 ± 0.04; medida F = 0.79 ± 0.014) y por último el ADL (Acc = 0.77 ± 0.021; medida F = 0.76 ± 0.025). Por tanto, se evidencia que es existe diferencia en las métricas de clasificación varietal de cortes de mango, con rendimientos de hasta 98% demostrando el gran potencial de la técnica HSI acoplada a sistemas expertos. |
| publishDate |
2023 |
| dc.date.accessioned.none.fl_str_mv |
2023-04-14T05:32:29Z |
| dc.date.available.none.fl_str_mv |
2023-04-14T05:32:29Z |
| dc.date.issued.fl_str_mv |
2023-04-13 |
| dc.type.es_ES.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| format |
bachelorThesis |
| dc.identifier.uri.none.fl_str_mv |
http://repositorio.unf.edu.pe/handle/UNF/250 |
| url |
http://repositorio.unf.edu.pe/handle/UNF/250 |
| dc.language.iso.es_ES.fl_str_mv |
spa |
| language |
spa |
| dc.relation.ispartof.fl_str_mv |
SUNEDU |
| dc.rights.es_ES.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Perú |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/pe/ |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Perú http://creativecommons.org/licenses/by-nc-nd/2.5/pe/ |
| dc.format.es_ES.fl_str_mv |
application/pdf |
| dc.publisher.es_ES.fl_str_mv |
Universidad Nacional de Frontera |
| dc.publisher.country.es_ES.fl_str_mv |
PE |
| dc.source.es_ES.fl_str_mv |
Universidad Nacional de Frontera Repositorio Institucional - UNF |
| dc.source.none.fl_str_mv |
reponame:UNFS-Institucional instname:Universidad Nacional de Frontera instacron:UNFS |
| instname_str |
Universidad Nacional de Frontera |
| instacron_str |
UNFS |
| institution |
UNFS |
| reponame_str |
UNFS-Institucional |
| collection |
UNFS-Institucional |
| bitstream.url.fl_str_mv |
https://repositorio.unf.edu.pe/bitstreams/42f69e49-6231-454f-adfa-a12043e87e18/download https://repositorio.unf.edu.pe/bitstreams/0578d2af-fa53-4953-acc6-a96f1730b8c2/download https://repositorio.unf.edu.pe/bitstreams/ada16414-dcaf-4442-874c-85383a1fb3a9/download https://repositorio.unf.edu.pe/bitstreams/0f83959b-77f8-4d38-a171-d2433f294386/download https://repositorio.unf.edu.pe/bitstreams/939adb11-1320-46f0-952c-7d0e5c849aa3/download |
| bitstream.checksum.fl_str_mv |
95cf44eddf37cc90639ef28934b73414 3655808e5dd46167956d6870b0f43800 8a4605be74aa9ea9d79846c1fba20a33 7dadd525b3651b56a07b772124f772af a630a907679f1704c3d8bea8111dc85f |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional de UNF |
| repository.mail.fl_str_mv |
dspace-help@myu.edu |
| _version_ |
1807024469670100992 |
| spelling |
Castro Silupu, Wilson ManuelVega Mejia, Leibi Miriam2023-04-14T05:32:29Z2023-04-14T05:32:29Z2023-04-13http://repositorio.unf.edu.pe/handle/UNF/250El objetivo de esta investigación fue determinar si existe diferencia en la precisión de discriminación varietal de cortes de mango (Mangifera indica) usando perfiles espectrales y sistemas expertos. Se recolectaron mangos de nueve variedades diferentes de mango en campos de cultivo de Tambogrande-Piura, de los cuales se obtuvo de 241 cortes. Seguidamente, se midieron los grados brix del total de muestras mediante refractrometría y luego se escanearon los cortes de mango usando un sistema de imágenes hiperespectrales Vis-NIR (400 nm. a 1000 nm) en modo reflectancia, por el método de barrido lineal. La reflectancia fue corregida con imágenes de referencia oscuro y blanco, luego se extrajo la región de interés (ROI, por sus siglas en inglés) aplicando la técnica de umbralizado y se extrajeron los perfiles medios suavizados con el filtro Savitzky-Golay de segundo orden y 11 pasos. Posteriormente, se implementaron tres modelos de clasificación incluidos; análisis discriminante lineal (ADL), máquina de soporte vectorial (MSV) y discriminante subespacial (DS), con 20 repeticiones y validación cruzada (K-fold = 5). Los resultados mostraron que el mejor desempeño fue obtenido por DS (Acc = 0.98 ± 0.01; medida F = 0.97 ± 0.008), seguido de MSV (Acc = 0.80 ± 0.04; medida F = 0.79 ± 0.014) y por último el ADL (Acc = 0.77 ± 0.021; medida F = 0.76 ± 0.025). Por tanto, se evidencia que es existe diferencia en las métricas de clasificación varietal de cortes de mango, con rendimientos de hasta 98% demostrando el gran potencial de la técnica HSI acoplada a sistemas expertos.Tesisapplication/pdfspaUniversidad Nacional de FronteraPEinfo:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 2.5 Perúhttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/Universidad Nacional de FronteraRepositorio Institucional - UNFreponame:UNFS-Institucionalinstname:Universidad Nacional de Fronterainstacron:UNFSMangifera indicaImágenes hiperespectralesVariedades de mangoAnálisis multivariadohttp://purl.org/pe-repo/ocde/ford#2.11.01Discriminación varietal de cortes de mango (Mangifera indica) usando perfiles espectrales y sistemas expertosinfo:eu-repo/semantics/bachelorThesisSUNEDUTitulo ProfesionalVega Mejia, Leibi MiriamUniversidad Nacional de Frontera. Facultad de Ingeniería de Industrias Alimentarias y BiotecnologíaIngeniería de Industrias Alimentarias40322327https://orcid.org/0000-0001-7286-126277034782721046Núñez Alejos, Luis AlbertoVallejos More, Leandro AlonsoCastro Silupu, Wilson Manuelhttp://purl.org/pe-repo/renati/nivel#tituloProfesionalhttp://purl.org/pe-repo/renati/type#tesisORIGINALTESIS - Vega Mejia, Leibi Miriam.pdfTESIS - Vega Mejia, Leibi Miriam.pdfapplication/pdf1462688https://repositorio.unf.edu.pe/bitstreams/42f69e49-6231-454f-adfa-a12043e87e18/download95cf44eddf37cc90639ef28934b73414MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.unf.edu.pe/bitstreams/0578d2af-fa53-4953-acc6-a96f1730b8c2/download3655808e5dd46167956d6870b0f43800MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unf.edu.pe/bitstreams/ada16414-dcaf-4442-874c-85383a1fb3a9/download8a4605be74aa9ea9d79846c1fba20a33MD53TEXTTESIS - Vega Mejia, Leibi Miriam.pdf.txtTESIS - Vega Mejia, Leibi Miriam.pdf.txtExtracted texttext/plain51602https://repositorio.unf.edu.pe/bitstreams/0f83959b-77f8-4d38-a171-d2433f294386/download7dadd525b3651b56a07b772124f772afMD54THUMBNAILTESIS - Vega Mejia, Leibi Miriam.pdf.jpgTESIS - Vega Mejia, Leibi Miriam.pdf.jpgGenerated Thumbnailimage/jpeg5092https://repositorio.unf.edu.pe/bitstreams/939adb11-1320-46f0-952c-7d0e5c849aa3/downloada630a907679f1704c3d8bea8111dc85fMD55UNF/250oai:repositorio.unf.edu.pe:UNF/2502023-04-14 00:36:08.701http://creativecommons.org/licenses/by-nc-nd/2.5/pe/info:eu-repo/semantics/openAccessopen.accesshttps://repositorio.unf.edu.peRepositorio Institucional de UNFdspace-help@myu.eduTk9URTogUExBQ0UgWU9VUiBPV04gTElDRU5TRSBIRVJFClRoaXMgc2FtcGxlIGxpY2Vuc2UgaXMgcHJvdmlkZWQgZm9yIGluZm9ybWF0aW9uYWwgcHVycG9zZXMgb25seS4KCk5PTi1FWENMVVNJVkUgRElTVFJJQlVUSU9OIExJQ0VOU0UKCkJ5IHNpZ25pbmcgYW5kIHN1Ym1pdHRpbmcgdGhpcyBsaWNlbnNlLCB5b3UgKHRoZSBhdXRob3Iocykgb3IgY29weXJpZ2h0Cm93bmVyKSBncmFudHMgdG8gRFNwYWNlIFVuaXZlcnNpdHkgKERTVSkgdGhlIG5vbi1leGNsdXNpdmUgcmlnaHQgdG8gcmVwcm9kdWNlLAp0cmFuc2xhdGUgKGFzIGRlZmluZWQgYmVsb3cpLCBhbmQvb3IgZGlzdHJpYnV0ZSB5b3VyIHN1Ym1pc3Npb24gKGluY2x1ZGluZwp0aGUgYWJzdHJhY3QpIHdvcmxkd2lkZSBpbiBwcmludCBhbmQgZWxlY3Ryb25pYyBmb3JtYXQgYW5kIGluIGFueSBtZWRpdW0sCmluY2x1ZGluZyBidXQgbm90IGxpbWl0ZWQgdG8gYXVkaW8gb3IgdmlkZW8uCgpZb3UgYWdyZWUgdGhhdCBEU1UgbWF5LCB3aXRob3V0IGNoYW5naW5nIHRoZSBjb250ZW50LCB0cmFuc2xhdGUgdGhlCnN1Ym1pc3Npb24gdG8gYW55IG1lZGl1bSBvciBmb3JtYXQgZm9yIHRoZSBwdXJwb3NlIG9mIHByZXNlcnZhdGlvbi4KCllvdSBhbHNvIGFncmVlIHRoYXQgRFNVIG1heSBrZWVwIG1vcmUgdGhhbiBvbmUgY29weSBvZiB0aGlzIHN1Ym1pc3Npb24gZm9yCnB1cnBvc2VzIG9mIHNlY3VyaXR5LCBiYWNrLXVwIGFuZCBwcmVzZXJ2YXRpb24uCgpZb3UgcmVwcmVzZW50IHRoYXQgdGhlIHN1Ym1pc3Npb24gaXMgeW91ciBvcmlnaW5hbCB3b3JrLCBhbmQgdGhhdCB5b3UgaGF2ZQp0aGUgcmlnaHQgdG8gZ3JhbnQgdGhlIHJpZ2h0cyBjb250YWluZWQgaW4gdGhpcyBsaWNlbnNlLiBZb3UgYWxzbyByZXByZXNlbnQKdGhhdCB5b3VyIHN1Ym1pc3Npb24gZG9lcyBub3QsIHRvIHRoZSBiZXN0IG9mIHlvdXIga25vd2xlZGdlLCBpbmZyaW5nZSB1cG9uCmFueW9uZSdzIGNvcHlyaWdodC4KCklmIHRoZSBzdWJtaXNzaW9uIGNvbnRhaW5zIG1hdGVyaWFsIGZvciB3aGljaCB5b3UgZG8gbm90IGhvbGQgY29weXJpZ2h0LAp5b3UgcmVwcmVzZW50IHRoYXQgeW91IGhhdmUgb2J0YWluZWQgdGhlIHVucmVzdHJpY3RlZCBwZXJtaXNzaW9uIG9mIHRoZQpjb3B5cmlnaHQgb3duZXIgdG8gZ3JhbnQgRFNVIHRoZSByaWdodHMgcmVxdWlyZWQgYnkgdGhpcyBsaWNlbnNlLCBhbmQgdGhhdApzdWNoIHRoaXJkLXBhcnR5IG93bmVkIG1hdGVyaWFsIGlzIGNsZWFybHkgaWRlbnRpZmllZCBhbmQgYWNrbm93bGVkZ2VkCndpdGhpbiB0aGUgdGV4dCBvciBjb250ZW50IG9mIHRoZSBzdWJtaXNzaW9uLgoKSUYgVEhFIFNVQk1JU1NJT04gSVMgQkFTRUQgVVBPTiBXT1JLIFRIQVQgSEFTIEJFRU4gU1BPTlNPUkVEIE9SIFNVUFBPUlRFRApCWSBBTiBBR0VOQ1kgT1IgT1JHQU5JWkFUSU9OIE9USEVSIFRIQU4gRFNVLCBZT1UgUkVQUkVTRU5UIFRIQVQgWU9VIEhBVkUKRlVMRklMTEVEIEFOWSBSSUdIVCBPRiBSRVZJRVcgT1IgT1RIRVIgT0JMSUdBVElPTlMgUkVRVUlSRUQgQlkgU1VDSApDT05UUkFDVCBPUiBBR1JFRU1FTlQuCgpEU1Ugd2lsbCBjbGVhcmx5IGlkZW50aWZ5IHlvdXIgbmFtZShzKSBhcyB0aGUgYXV0aG9yKHMpIG9yIG93bmVyKHMpIG9mIHRoZQpzdWJtaXNzaW9uLCBhbmQgd2lsbCBub3QgbWFrZSBhbnkgYWx0ZXJhdGlvbiwgb3RoZXIgdGhhbiBhcyBhbGxvd2VkIGJ5IHRoaXMKbGljZW5zZSwgdG8geW91ciBzdWJtaXNzaW9uLgo= |
| score |
13.861517 |
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).