Clasificación automática de la calidad de los arándanos usando imágenes de espectro swir con deep learning

Vista sencilla de ítem
dc.contributor.advisorTapia Farías, Juan Eduardo
dc.contributor.authorChandía Delgado, Ariel Sebastián Ignacio
dc.contributor.editorFacultad de Ingeniería
dc.date.accessioned2020-03-10T13:57:28Z
dc.date.available2020-03-10T13:57:28Z
dc.date.issued2019
dc.descriptionTesis (Ingeniero Civil Informático)es
dc.description.abstractEl análisis empírico de la calidad de los arándanos en la etapa de post-cosecha presenta problemas reflejados en la calidad del producto empaquetado. Aprovechando los beneficios de utilizar el espectro SWIR se capturan imágenes de arándanos de buena y mala calidad, para luego realizar un diseño de base de datos de arándanos con 36.469 imágenes de arándanos de buena calidad y 60.615 arándanos de mala calidad, sumando un total de 97.044 imágenes. Con estas imágenes se realizan cuatro rondas de experimentos principales, dónde las primeras dos tienen un enfoque en el análisis de la intensidad de los píxeles y las otras dos analizan la textura de las imágenes, utilizando dos redes neuronales convolucionales, LeNet y Smaller VGG. El análisis de las texturas (filtro BSIF 3x3) presenta un mejor comportamiento en Smaller VGG, dónde el mejor resultado registrado se alcanza con un 96,34% de train y un 94,05 de test, manteniendo un análisis en el fruto reflejado en un mapa de calor.es
dc.identifier.urihttp://repositorio.unab.cl/xmlui/handle/ria/12076
dc.language.isoeses
dc.publisherUniversidad Andrés Belloes
dc.subjectArándanoses
dc.subjectCultivoses
dc.subjectInnovaciones Tecnológicases
dc.titleClasificación automática de la calidad de los arándanos usando imágenes de espectro swir con deep learninges
dc.typeTesises
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
a130165_Chandia_A_Clasificacion_automatica_de_la_calidad_2019_Tesis.pdf
Tamaño:
6.13 MB
Formato:
Adobe Portable Document Format
Descripción:
TEXTO COMPLETO EN ESPAÑOL
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
FIng - Trabajos de Titulación Pre-Grado