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...

Descripción completa

Detalles Bibliográficos
Autor: Vega Mejia, Leibi Miriam
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.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
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).