Red neuronal convolucional para el control de calidad en el cribado de uva en una empresa agroindustrial, Piura 2024

• Autores: Bereche Palacios, Samuel Jhonatan, Rivera Alvarez, Cielo Shanday
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/173057
• Enlace del recurso: https://hdl.handle.net/20.500.12692/173057
• Nivel de acceso: acceso abierto
• Materia: Inteligencia artificial; Control de calidad; Procesamiento de datos; Agroindustria; https://purl.org/pe-repo/ocde/ford#2.02.04

El presente estudio se enfocó en el ODS número 9, el cual refiere a la industria, innovación e infraestructura. En tal sentido, la investigación tuvo como objetivo principal determinar de qué manera una red neuronal convolucional mejora el proceso de control de calidad del cribado de uva en una empresa agroindustrial de Piura. Metodológicamente, la investigación fue de tipo aplicada con un enfoque cuantitativo y diseño experimental para realizar la evaluación del desempeño de la red neuronal convolucional. Por lo tanto, la muestra estuvo conformada por 100 racimos de uva Sweet Globe, mismos que fueron utilizados para construir el dataset de 800 imágenes, de ellas se utilizó el 80% para el entrenamiento y el 20% para la validación. Paralelamente a ello, se llevó a cabo la fase de experimentación, teniendo como principales hallazgos que el modelo implementado logró tener una mejora global del 8.77%, a la vez en cuanto a la detección de racimos con defectos tuvo una efectividad del 100% de un total de 100 muestras, además, tuvo una exactitud del 87.50% del total de muestras analizadas. De ahí que, se concluyó que el modelo aumentó la productividad y la mejora del proceso del control de calidad de uva.