Diseño de un sistema de clasificación de limones usando una red neuronal convolucional en el mercado Unión y Dignidad de la ciudad de Puno - 2022

Descripción del Articulo

En esta investigación, se explora el uso de las redes neuronales convolucionales (CNN) para la clasificación de limones en el mercado unión y dignidad de la ciudad de Puno, con fecha de ejecución 07/06/2022 – 06/12/2022. En la actualidad los sistemas de clasificación mejoran en gran medida el proble...

Descripción completa

Detalles Bibliográficos
Autor: Centeno Palomino, Jharol Iván
Formato: tesis de grado
Fecha de Publicación:2023
Institución:Universidad Nacional Del Altiplano
Repositorio:UNAP-Institucional
Lenguaje:español
OAI Identifier:oai:https://repositorio.unap.edu.pe:20.500.14082/19923
Enlace del recurso:https://repositorio.unap.edu.pe/handle/20.500.14082/19923
Nivel de acceso:acceso abierto
Materia:Red neuronal convolucional
Código
Drive
Modelo
Clasificación
https://purl.org/pe-repo/ocde/ford#2.02.05
Descripción
Sumario:En esta investigación, se explora el uso de las redes neuronales convolucionales (CNN) para la clasificación de limones en el mercado unión y dignidad de la ciudad de Puno, con fecha de ejecución 07/06/2022 – 06/12/2022. En la actualidad los sistemas de clasificación mejoran en gran medida el problema de la velocidad y la eficiencia de las personas. La presente investigación se centra en la creación de un modelo de clasificación de imágenes de limones en dos categorías: limones en buen estado y limones en mal estado. Las redes neuronales necesitan entrenarse, es por ello que se genera un conjunto de 1000 imágenes para cada categoría. Finalmente se desarrolla el modelo en Google Colaboratory (COLAB) y los resultados de precisión que se obtienen en el modelo se calcula dividiendo el número de casos favorables sobre el número de casos totales, obteniendo como resultado un 90% de precisión del modelo, esto demuestra la efectividad del sistema logrado, el sistema puede ser mejorado lo que conlleva a una serie de recomendaciones para mejoras del modelo.
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).