Clasificación de la frescura del pescado utilizando una red neuronal convolucional

• Autores: Mamani Flores, Edwin Wilson, Pedraza Huisa, Royer
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Universidad Peruana Unión
• Repositorio: UPEU-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.upeu.edu.pe:20.500.12840/7367
• Enlace del recurso: http://repositorio.upeu.edu.pe/handle/20.500.12840/7367
• Nivel de acceso: acceso embargado
• Materia: CNN; Transferencia de aprendizaje; Precisión y Oncorhynchus mykiss; http://purl.org/pe-repo/ocde/ford#2.02.04

En el trabajo se analizó la frescura de la trucha (Oncorhynchus mykiss), siendo este aspecto muy importante para determinar su calidad. El objetivo, es proponer un modelo computacional basado en una CNN para clasificar la frescura de la trucha en función a los cambios de color de sus ojos y branquias, Para ello se creó un dataset de imágenes con las truchas adquiridas. Para obtener los resultados se realizaron 3 experimentos, el primero; con 2 clases (días 1 y 9), el segundo con 3 clases (días 1, 5 y 9) y el tercero con 5 clases (días 1, 3, 5, 7 y 9), todos los experimentos se ejecutaron en Google colab. Los resultados se validaron con una matriz de confusión curva ROC. Los mejores resultados dieron el modelo ResNeXt5032x4d, con 2 clases obtuvo un accuracy de 0.9833, con 3 clases un accuracy de 0.9222 y con 5 clases un accuracy de 0.8800.