Modelo Predictivo basado en Machine Learning y NIRS para la identificación del pH en los arándanos peruanos

Descripción del Articulo

La calidad de los arándanos es un factor importante para el cliente. Lograr aplicar de forma eficiente las herramientas tecnológicas necesarias para evaluar la calidad y madurez de los arándanos tiene beneficios para las industrias y agricultores peruanos que se encargan de cultivarlos. Esta investi...

Descripción completa

Detalles Bibliográficos
Autores: Cayhualla Amaro, Liset Mary, Rau Reyes, Sebastian Alejandro
Formato: tesis de grado
Fecha de Publicación:2025
Institución:Universidad Tecnológica del Perú
Repositorio:UTP-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.utp.edu.pe:20.500.12867/11656
Enlace del recurso:https://hdl.handle.net/20.500.12867/11656
Nivel de acceso:acceso abierto
Materia:NIRS
Machine Learning
Inteligencia Artificial
Quimiometría
Evaluación no destructiva
Arándanos
https://purl.org/pe-repo/ocde/ford#2.02.04
id UTPD_396f7e9e90eeff8c996106e68f7ef489
oai_identifier_str oai:repositorio.utp.edu.pe:20.500.12867/11656
network_acronym_str UTPD
network_name_str UTP-Institucional
repository_id_str 4782
dc.title.es_PE.fl_str_mv Modelo Predictivo basado en Machine Learning y NIRS para la identificación del pH en los arándanos peruanos
title Modelo Predictivo basado en Machine Learning y NIRS para la identificación del pH en los arándanos peruanos
spellingShingle Modelo Predictivo basado en Machine Learning y NIRS para la identificación del pH en los arándanos peruanos
Cayhualla Amaro, Liset Mary
NIRS
Machine Learning
Inteligencia Artificial
Quimiometría
Evaluación no destructiva
Arándanos
https://purl.org/pe-repo/ocde/ford#2.02.04
title_short Modelo Predictivo basado en Machine Learning y NIRS para la identificación del pH en los arándanos peruanos
title_full Modelo Predictivo basado en Machine Learning y NIRS para la identificación del pH en los arándanos peruanos
title_fullStr Modelo Predictivo basado en Machine Learning y NIRS para la identificación del pH en los arándanos peruanos
title_full_unstemmed Modelo Predictivo basado en Machine Learning y NIRS para la identificación del pH en los arándanos peruanos
title_sort Modelo Predictivo basado en Machine Learning y NIRS para la identificación del pH en los arándanos peruanos
author Cayhualla Amaro, Liset Mary
author_facet Cayhualla Amaro, Liset Mary
Rau Reyes, Sebastian Alejandro
author_role author
author2 Rau Reyes, Sebastian Alejandro
author2_role author
dc.contributor.advisor.fl_str_mv Ovalle Paulino, Denis Christian
dc.contributor.author.fl_str_mv Cayhualla Amaro, Liset Mary
Rau Reyes, Sebastian Alejandro
dc.subject.es_PE.fl_str_mv NIRS
Machine Learning
Inteligencia Artificial
Quimiometría
Evaluación no destructiva
Arándanos
topic NIRS
Machine Learning
Inteligencia Artificial
Quimiometría
Evaluación no destructiva
Arándanos
https://purl.org/pe-repo/ocde/ford#2.02.04
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.02.04
description La calidad de los arándanos es un factor importante para el cliente. Lograr aplicar de forma eficiente las herramientas tecnológicas necesarias para evaluar la calidad y madurez de los arándanos tiene beneficios para las industrias y agricultores peruanos que se encargan de cultivarlos. Esta investigación utilizó la metodología CRISP-DM y tuvo como objetivo desarrollar un modelo de predicción para optimizar la evaluación de calidad de los arándanos. Se empleó la espectroscopia de infrarrojo cercano (NIRS) y técnicas quimiométricas para determinar el indicador de concentración de solidos solubles (SSC) en base a los espectros NIR. Según los resultados obtenidos, el uso de estas técnicas para predecir el indicador de calidad de los arándanos es posible. También se obtuvieron rendimientos aceptables en cuanto a precisión de estos modelos predictivos. Futuras investigaciones podrían abarcar otras técnicas que ayuden a brindar precisiones más altas y así optimizar más el control de la calidad de los productos en las industrias alimentarias.
publishDate 2025
dc.date.accessioned.none.fl_str_mv 2025-04-24T16:47:52Z
dc.date.available.none.fl_str_mv 2025-04-24T16:47:52Z
dc.date.issued.fl_str_mv 2025
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.version.es_PE.fl_str_mv info:eu-repo/semantics/publishedVersion
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12867/11656
url https://hdl.handle.net/20.500.12867/11656
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.es_PE.fl_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Tecnológica del Perú
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.es_PE.fl_str_mv Repositorio Institucional - UTP
Universidad Tecnológica del Perú
dc.source.none.fl_str_mv reponame:UTP-Institucional
instname:Universidad Tecnológica del Perú
instacron:UTP
instname_str Universidad Tecnológica del Perú
instacron_str UTP
institution UTP
reponame_str UTP-Institucional
collection UTP-Institucional
bitstream.url.fl_str_mv https://repositorio.utp.edu.pe/backend/api/core/bitstreams/d37ff520-2256-4968-a115-d9d031ebb5ac/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/576d4df4-4191-4369-a6b3-0480627ad6ff/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/de8aeadb-7421-491f-952c-5906e6e364f8/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/512772f5-f528-4faf-99dc-c3d1f2201aba/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/d5fc5488-49fa-42fb-a20f-42ca029214c9/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/335caf0f-ba04-41e9-9ee8-52666fc7d289/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/7e562341-87c4-46ff-84b8-c3c9b433684a/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/0b698aa9-3645-43d7-adb0-0d7b862ca2a4/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/d14cfa8d-9734-453c-89dd-9262d927d167/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/66d6fe50-b37e-4c09-ad04-bb1cd7d6e08e/download
bitstream.checksum.fl_str_mv 4956b7c8041cd3e78017a0dfa25f935d
ec675b26f187eb7548014a43adc74a79
0b4d819e546ab1e773c67a06d5abbc7f
8a4605be74aa9ea9d79846c1fba20a33
7628bff17882b69df3044e5f4e16a089
1fc327b78a08a77e433044252e8eb397
a4e5d0f990b462ce21300b0352f42b9e
ae0aa78064ccecc21e6e0f21d52d1215
c2a290981b921d71247d5f1511892648
65d676c3d6b2f2f711abc8a5d4f562a9
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio de la Universidad Tecnológica del Perú
repository.mail.fl_str_mv repositorio@utp.edu.pe
_version_ 1852231719009124352
spelling Ovalle Paulino, Denis ChristianCayhualla Amaro, Liset MaryRau Reyes, Sebastian Alejandro2025-04-24T16:47:52Z2025-04-24T16:47:52Z2025https://hdl.handle.net/20.500.12867/11656La calidad de los arándanos es un factor importante para el cliente. Lograr aplicar de forma eficiente las herramientas tecnológicas necesarias para evaluar la calidad y madurez de los arándanos tiene beneficios para las industrias y agricultores peruanos que se encargan de cultivarlos. Esta investigación utilizó la metodología CRISP-DM y tuvo como objetivo desarrollar un modelo de predicción para optimizar la evaluación de calidad de los arándanos. Se empleó la espectroscopia de infrarrojo cercano (NIRS) y técnicas quimiométricas para determinar el indicador de concentración de solidos solubles (SSC) en base a los espectros NIR. Según los resultados obtenidos, el uso de estas técnicas para predecir el indicador de calidad de los arándanos es posible. También se obtuvieron rendimientos aceptables en cuanto a precisión de estos modelos predictivos. Futuras investigaciones podrían abarcar otras técnicas que ayuden a brindar precisiones más altas y así optimizar más el control de la calidad de los productos en las industrias alimentarias.Campus Lima Centroapplication/pdfspaUniversidad Tecnológica del PerúPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/Repositorio Institucional - UTPUniversidad Tecnológica del Perúreponame:UTP-Institucionalinstname:Universidad Tecnológica del Perúinstacron:UTPNIRSMachine LearningInteligencia ArtificialQuimiometríaEvaluación no destructivaArándanoshttps://purl.org/pe-repo/ocde/ford#2.02.04Modelo Predictivo basado en Machine Learning y NIRS para la identificación del pH en los arándanos peruanosinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionSUNEDUIngeniería de Sistemas e InformáticaUniversidad Tecnológica del Perú. Facultad de IngenieríaTítulo profesionalIngeniería de Sistemas e InformáticaIngeniería de Sistemas e InformáticaPregrado40234321https://orcid.org/0000-0002-5559-56847526054172686920612156Molina Velarde, Pedro AngelOgosi Auqui, Jose AntonioAndrade Arenas, Laberiano Matiashttps://purl.org/pe-repo/renati/level#tituloProfesionalhttps://purl.org/pe-repo/renati/type#tesisORIGINALS.Rau_L.Cayhualla_Tesis_Titulo_Profesional_2025.pdfS.Rau_L.Cayhualla_Tesis_Titulo_Profesional_2025.pdfapplication/pdf526142https://repositorio.utp.edu.pe/backend/api/core/bitstreams/d37ff520-2256-4968-a115-d9d031ebb5ac/download4956b7c8041cd3e78017a0dfa25f935dMD51S.Rau._L.Cayhualla_Formulario_de_Publicación.pdfS.Rau._L.Cayhualla_Formulario_de_Publicación.pdfapplication/pdf280573https://repositorio.utp.edu.pe/backend/api/core/bitstreams/576d4df4-4191-4369-a6b3-0480627ad6ff/downloadec675b26f187eb7548014a43adc74a79MD52S.Rau_L.Cayhualla_Informe_de_Similitud.pdfS.Rau_L.Cayhualla_Informe_de_Similitud.pdfapplication/pdf1514416https://repositorio.utp.edu.pe/backend/api/core/bitstreams/de8aeadb-7421-491f-952c-5906e6e364f8/download0b4d819e546ab1e773c67a06d5abbc7fMD53LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.utp.edu.pe/backend/api/core/bitstreams/512772f5-f528-4faf-99dc-c3d1f2201aba/download8a4605be74aa9ea9d79846c1fba20a33MD54TEXTS.Rau_L.Cayhualla_Tesis_Titulo_Profesional_2025.pdf.txtS.Rau_L.Cayhualla_Tesis_Titulo_Profesional_2025.pdf.txtExtracted texttext/plain60018https://repositorio.utp.edu.pe/backend/api/core/bitstreams/d5fc5488-49fa-42fb-a20f-42ca029214c9/download7628bff17882b69df3044e5f4e16a089MD511S.Rau._L.Cayhualla_Formulario_de_Publicación.pdf.txtS.Rau._L.Cayhualla_Formulario_de_Publicación.pdf.txtExtracted texttext/plain5377https://repositorio.utp.edu.pe/backend/api/core/bitstreams/335caf0f-ba04-41e9-9ee8-52666fc7d289/download1fc327b78a08a77e433044252e8eb397MD513S.Rau_L.Cayhualla_Informe_de_Similitud.pdf.txtS.Rau_L.Cayhualla_Informe_de_Similitud.pdf.txtExtracted texttext/plain69939https://repositorio.utp.edu.pe/backend/api/core/bitstreams/7e562341-87c4-46ff-84b8-c3c9b433684a/downloada4e5d0f990b462ce21300b0352f42b9eMD515THUMBNAILS.Rau_L.Cayhualla_Tesis_Titulo_Profesional_2025.pdf.jpgS.Rau_L.Cayhualla_Tesis_Titulo_Profesional_2025.pdf.jpgGenerated Thumbnailimage/jpeg16695https://repositorio.utp.edu.pe/backend/api/core/bitstreams/0b698aa9-3645-43d7-adb0-0d7b862ca2a4/downloadae0aa78064ccecc21e6e0f21d52d1215MD512S.Rau._L.Cayhualla_Formulario_de_Publicación.pdf.jpgS.Rau._L.Cayhualla_Formulario_de_Publicación.pdf.jpgGenerated Thumbnailimage/jpeg27541https://repositorio.utp.edu.pe/backend/api/core/bitstreams/d14cfa8d-9734-453c-89dd-9262d927d167/downloadc2a290981b921d71247d5f1511892648MD514S.Rau_L.Cayhualla_Informe_de_Similitud.pdf.jpgS.Rau_L.Cayhualla_Informe_de_Similitud.pdf.jpgGenerated Thumbnailimage/jpeg18214https://repositorio.utp.edu.pe/backend/api/core/bitstreams/66d6fe50-b37e-4c09-ad04-bb1cd7d6e08e/download65d676c3d6b2f2f711abc8a5d4f562a9MD51620.500.12867/11656oai:repositorio.utp.edu.pe:20.500.12867/116562025-11-30 17:28:03.097https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://repositorio.utp.edu.peRepositorio de la Universidad Tecnológica del Perúrepositorio@utp.edu.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
score 13.918182
Modelo Predictivo basado en Machine Learning y NIRS para la identificación del pH en los arándanos peruanos
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