Diseño de un modelo para la detección de fotografías digitales no válidas que permita reducir las demoras en el proceso de emisión de títulos profesionales de una institución educativa de nivel superior utilizando deep learning

• Autor: Ramirez Fernandez, Arnaldo Stalin
• Formato: tesis de maestría
• Fecha de Publicación: 2025
• Institución: Universidad Ricardo Palma
• Repositorio: URP-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.urp.edu.pe:20.500.14138/9280
• Enlace del recurso: https://hdl.handle.net/20.500.14138/9280
• Nivel de acceso: acceso abierto
• Materia: Aprendizaje profundo (Aprendizaje automático); Redes neuronales (Computación); Procesamiento de imágenes; Imágenes fotográficas; Universidades -- Procedimiento administrativo; Grados académicos -- Automatización; https://purl.org/pe-repo/ocde/ford#1.02.00

Este estudio presenta el diseño e implementación de un modelo de Deep Learning para la detección de fotografías digitales no válidas en el proceso de emisión de títulos profesionales en una institución educativa de nivel superior. Actualmente, la validación de estas fotografías es realizada manualmente, lo cual genera demoras en el proceso. El objetivo del modelo es automatizar este proceso, clasificando las fotografías en válidas y no válidas para optimizar el tiempo de emisión y permitir la reasignación de recursos humanos hacia tareas de mayor valor. La investigación se desarrolló en varias etapas, incluyendo la recolección y etiquetado de una muestra de fotografías digitales de los egresados. Para el entrenamiento del modelo, se probaron y compararon tres arquitecturas de redes neuronales convolutivas: VGG16, ResNet50 e InceptionV3. Cada modelo fue entrenado desde cero, adaptando sus capas de salida para la clasificación binaria, debido a la naturaleza específica de las fotografías en este contexto institucional. Los resultados demuestran que el modelo InceptionV3 presentó el mejor desempeño en términos de precisión y exactitud, alcanzando una tasa de aciertos del 93.72%. Este modelo permite identificar de manera efectiva las fotografías no válidas, lo cual reduce los tiempos de espera en el proceso de titulación y mejora la eficiencia administrativa. Las métricas obtenidas indican que este modelo puede ser integrado exitosamente en el sistema institucional para un rechazo automatizado de fotografías que no cumplen con los criterios requeridos. La contribución de esta investigación radica en la introducción de tecnologías de Deep Learning para resolver problemas administrativos, demostrando su aplicabilidad y beneficios en la mejora de procesos institucionales. Este modelo no solo optimiza el proceso actual, sino que también establece un precedente en el uso de redes neuronales para la automatización de trámites educativos, ofreciendo una solución replicable en otras instituciones de educación superior