Identificación y clasificación de la mosca de la fruta de las especies Anastrepha fraterculus y Ceratitis capitata en imágenes utilizando un modelo de visión computacional basado en transferencia de aprendizaje

Descripción del Articulo

Este estudio presenta un modelo de visión computacional basado en transferencia de aprendizaje para la clasificación automatizada de las especies de moscas de la fruta Anastrepha fraterculus y Ceratitis capitata, cuya identificación manual, actualmente realizada por expertos del Servicio Nacional de...

Descripción completa

Detalles Bibliográficos
Autor: Bustamante Flores, Erick Andrew
Formato: tesis de grado
Fecha de Publicación:2024
Institución:Universidad Nacional de San Antonio Abad del Cusco
Repositorio:UNSAAC-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.unsaac.edu.pe:20.500.12918/10279
Enlace del recurso:http://hdl.handle.net/20.500.12918/10279
Nivel de acceso:acceso abierto
Materia:Mosca de la fruta
Vision computacional
Transferencia
Aprendizaje
Grad-CAM
http://purl.org/pe-repo/ocde/ford#1.02.02
id RUNS_93388d517bd3e58853ebf4397aecee99
oai_identifier_str oai:repositorio.unsaac.edu.pe:20.500.12918/10279
network_acronym_str RUNS
network_name_str UNSAAC-Institucional
repository_id_str 4815
spelling Medrano Valencia, Ivan CesarBustamante Flores, Erick Andrew2025-01-24T21:18:35Z2025-01-24T21:18:35Z2024253T20241909http://hdl.handle.net/20.500.12918/10279Este estudio presenta un modelo de visión computacional basado en transferencia de aprendizaje para la clasificación automatizada de las especies de moscas de la fruta Anastrepha fraterculus y Ceratitis capitata, cuya identificación manual, actualmente realizada por expertos del Servicio Nacional de Sanidad Agraria del Perú (SENASA), enfrenta limitaciones de tiempo y consistencia. La plaga de la familia Tephritidae genera graves daños en la producción frutícola de la provincia de La Convención, motivando la necesidad de soluciones que optimicen la gestión y clasificación de estas especies. SENASA ha implementado una red de trampas para capturar muestras, que luego son clasificadas en laboratorios especializados, aunque esta labor resulta compleja debido a la fatiga de los especialistas y a la variabilidad morfológica de las especies. Para abordar estos desafíos, este proyecto implementó un modelo de aprendizaje profundo, entrenado con imágenes capturadas con un teléfono celular a través del ocular de un estereomicroscopio en un entorno controlado. Las imágenes fueron segmentadas y preprocesadas para resaltar características morfológicas relevantes, empleando los modelos preentrenados VGG16, VGG19 e Inception-v3. Los resultados mostraron que Inception-v3 alcanzó el mayor F1-score (100.00%), superando a VGG16 (92.00%) y a VGG19 (87.00%). Su confiabilidad fue verificada utilizando imágenes de entornos no controlados, incluidas imágenes de internet, además de la técnica Grad-CAM, que confirmó su capacidad para capturar características clave de las especies. Estos hallazgos sugieren que Inception-v3 es un método efectivo y aplicable en sistemas de monitoreo automatizados, con potencial para mejorar la precisión y eficiencia en la clasificación de A. fraterculusapplication/pdfspaUniversidad Nacional de San Antonio Abad del CuscoPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/Mosca de la frutaVision computacionalTransferenciaAprendizajeGrad-CAMhttp://purl.org/pe-repo/ocde/ford#1.02.02Identificación y clasificación de la mosca de la fruta de las especies Anastrepha fraterculus y Ceratitis capitata en imágenes utilizando un modelo de visión computacional basado en transferencia de aprendizajeinfo:eu-repo/semantics/bachelorThesisreponame:UNSAAC-Institucionalinstname:Universidad Nacional de San Antonio Abad del Cuscoinstacron:UNSAACSUNEDUIngeniero Informático y de SistemasUniversidad Nacional de San Antonio Abad del Cusco. Facultad de Ingeniería Eléctrica, Electrónica, Informática y MecánicaIngeniería Informática y de Sistemas75434094https://orcid.org/0000-0003-0623-090X23881501http://purl.org/pe-repo/renati/type#tesishttp://purl.org/pe-repo/renati/nivel#tituloProfesional612296Candia Oviedo, Dennis IvanPacheco Vasquez, Esther CristinaZamalloa Paro, WillianVillalba Villalba, TanyORIGINAL253T20241909_TC.pdfapplication/pdf1684414http://repositorio.unsaac.edu.pe/bitstream/20.500.12918/10279/1/253T20241909_TC.pdf96987f37e9e102df5ca657afc7bccb3eMD51TURNITIN 20241909.pdfTURNITIN 20241909.pdfapplication/pdf97804719http://repositorio.unsaac.edu.pe/bitstream/20.500.12918/10279/2/TURNITIN%2020241909.pdff828eae169d78cb4b6f3d484a16a87f8MD52AUTORIZACION 20241909.pdfAUTORIZACION 20241909.pdfapplication/pdf455695http://repositorio.unsaac.edu.pe/bitstream/20.500.12918/10279/3/AUTORIZACION%2020241909.pdffd1a12fe07152a2d3a94987983d4f809MD5320.500.12918/10279oai:repositorio.unsaac.edu.pe:20.500.12918/102792025-02-24 10:58:34.477DSpace de la UNSAACsoporte.repositorio@unsaac.edu.pe
dc.title.es_PE.fl_str_mv Identificación y clasificación de la mosca de la fruta de las especies Anastrepha fraterculus y Ceratitis capitata en imágenes utilizando un modelo de visión computacional basado en transferencia de aprendizaje
title Identificación y clasificación de la mosca de la fruta de las especies Anastrepha fraterculus y Ceratitis capitata en imágenes utilizando un modelo de visión computacional basado en transferencia de aprendizaje
spellingShingle Identificación y clasificación de la mosca de la fruta de las especies Anastrepha fraterculus y Ceratitis capitata en imágenes utilizando un modelo de visión computacional basado en transferencia de aprendizaje
Bustamante Flores, Erick Andrew
Mosca de la fruta
Vision computacional
Transferencia
Aprendizaje
Grad-CAM
http://purl.org/pe-repo/ocde/ford#1.02.02
title_short Identificación y clasificación de la mosca de la fruta de las especies Anastrepha fraterculus y Ceratitis capitata en imágenes utilizando un modelo de visión computacional basado en transferencia de aprendizaje
title_full Identificación y clasificación de la mosca de la fruta de las especies Anastrepha fraterculus y Ceratitis capitata en imágenes utilizando un modelo de visión computacional basado en transferencia de aprendizaje
title_fullStr Identificación y clasificación de la mosca de la fruta de las especies Anastrepha fraterculus y Ceratitis capitata en imágenes utilizando un modelo de visión computacional basado en transferencia de aprendizaje
title_full_unstemmed Identificación y clasificación de la mosca de la fruta de las especies Anastrepha fraterculus y Ceratitis capitata en imágenes utilizando un modelo de visión computacional basado en transferencia de aprendizaje
title_sort Identificación y clasificación de la mosca de la fruta de las especies Anastrepha fraterculus y Ceratitis capitata en imágenes utilizando un modelo de visión computacional basado en transferencia de aprendizaje
author Bustamante Flores, Erick Andrew
author_facet Bustamante Flores, Erick Andrew
author_role author
dc.contributor.advisor.fl_str_mv Medrano Valencia, Ivan Cesar
dc.contributor.author.fl_str_mv Bustamante Flores, Erick Andrew
dc.subject.es_PE.fl_str_mv Mosca de la fruta
Vision computacional
Transferencia
Aprendizaje
Grad-CAM
topic Mosca de la fruta
Vision computacional
Transferencia
Aprendizaje
Grad-CAM
http://purl.org/pe-repo/ocde/ford#1.02.02
dc.subject.ocde.none.fl_str_mv http://purl.org/pe-repo/ocde/ford#1.02.02
description Este estudio presenta un modelo de visión computacional basado en transferencia de aprendizaje para la clasificación automatizada de las especies de moscas de la fruta Anastrepha fraterculus y Ceratitis capitata, cuya identificación manual, actualmente realizada por expertos del Servicio Nacional de Sanidad Agraria del Perú (SENASA), enfrenta limitaciones de tiempo y consistencia. La plaga de la familia Tephritidae genera graves daños en la producción frutícola de la provincia de La Convención, motivando la necesidad de soluciones que optimicen la gestión y clasificación de estas especies. SENASA ha implementado una red de trampas para capturar muestras, que luego son clasificadas en laboratorios especializados, aunque esta labor resulta compleja debido a la fatiga de los especialistas y a la variabilidad morfológica de las especies. Para abordar estos desafíos, este proyecto implementó un modelo de aprendizaje profundo, entrenado con imágenes capturadas con un teléfono celular a través del ocular de un estereomicroscopio en un entorno controlado. Las imágenes fueron segmentadas y preprocesadas para resaltar características morfológicas relevantes, empleando los modelos preentrenados VGG16, VGG19 e Inception-v3. Los resultados mostraron que Inception-v3 alcanzó el mayor F1-score (100.00%), superando a VGG16 (92.00%) y a VGG19 (87.00%). Su confiabilidad fue verificada utilizando imágenes de entornos no controlados, incluidas imágenes de internet, además de la técnica Grad-CAM, que confirmó su capacidad para capturar características clave de las especies. Estos hallazgos sugieren que Inception-v3 es un método efectivo y aplicable en sistemas de monitoreo automatizados, con potencial para mejorar la precisión y eficiencia en la clasificación de A. fraterculus
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2025-01-24T21:18:35Z
dc.date.available.none.fl_str_mv 2025-01-24T21:18:35Z
dc.date.issued.fl_str_mv 2024
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.other.none.fl_str_mv 253T20241909
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12918/10279
identifier_str_mv 253T20241909
url http://hdl.handle.net/20.500.12918/10279
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.en_US.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.en_US.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Nacional de San Antonio Abad del Cusco
dc.publisher.country.none.fl_str_mv PE
dc.source.none.fl_str_mv reponame:UNSAAC-Institucional
instname:Universidad Nacional de San Antonio Abad del Cusco
instacron:UNSAAC
instname_str Universidad Nacional de San Antonio Abad del Cusco
instacron_str UNSAAC
institution UNSAAC
reponame_str UNSAAC-Institucional
collection UNSAAC-Institucional
bitstream.url.fl_str_mv http://repositorio.unsaac.edu.pe/bitstream/20.500.12918/10279/1/253T20241909_TC.pdf
http://repositorio.unsaac.edu.pe/bitstream/20.500.12918/10279/2/TURNITIN%2020241909.pdf
http://repositorio.unsaac.edu.pe/bitstream/20.500.12918/10279/3/AUTORIZACION%2020241909.pdf
bitstream.checksum.fl_str_mv 96987f37e9e102df5ca657afc7bccb3e
f828eae169d78cb4b6f3d484a16a87f8
fd1a12fe07152a2d3a94987983d4f809
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv DSpace de la UNSAAC
repository.mail.fl_str_mv soporte.repositorio@unsaac.edu.pe
_version_ 1865278453050245120
score 13.93399
Identificación y clasificación de la mosca de la fruta de las especies Anastrepha fraterculus y Ceratitis capitata en imágenes utilizando un modelo de visión computacional basado en transferencia de aprendizaje
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).

Ejemplares Similares