Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.espe.edu.ec/handle/21000/26023
Título : | Desarrollo de un aplicativo móvil que optimice el diagnóstico de humedad en el Laurel mediante Aprendizaje Profundo en el aserradero "San Martín" ubicado en la parroquia de Pastocalle provincia de Cotopaxi |
Director(es): | Escobar Sánchez, Milton Eduardo |
Autor: | Muñoz Quinatoa, Ricardo Fabricio Navas Cifuentes, Jonathan Gabriel |
Palabras clave : | MADERA LAUREL APRENDIZAJE PROFUNDO REDES NEURONALES VISIÒN POR COMPUTADORA SOFTWARE GOOGLE TEACHABLE MACHINE |
Fecha de publicación : | 11-ago-2021 |
Editorial: | Latacunga: Universidad de la Fuerzas Armadas ESPE, 2021 |
Citación : | Muñoz Quinatoa, Ricardo Fabricio. Navas Cifuentes, Jonathan Gabriel. (2021). Desarrollo de un aplicativo móvil que optimice el diagnóstico de humedad en el Laurel mediante Aprendizaje Profundo en el aserradero "San Martín" ubicado en la parroquia de Pastocalle provincia de Cotopaxi. Carrera de Ingeniería en Software. Departamento de Eléctrica y Electrónica. Universidad de las Fuerzas Armadas ESPE. Extensión Latacunga. |
Abstract: | La presente investigación tiene como propósito el desarrollo de un aplicativo móvil que optimiza el diagnóstico de contenido de humedad en la madera del laurel para el aserradero "San Martín", mediante la implementación, prueba y comparación de 4 modelos de redes neuronales convolucionales (CNN). Mejorando la efectividad en el proceso de selección de materia prima de dicha madera. Realizándose una revisión sistemática, obteniéndose información de artículos científicos actuales, lo cual permite determinar la problemática a solucionar y su enfoque en posibles soluciones. Continuándose con el desarrollo y validación de un aplicativo móvil el mismo que está compuesto de 4 etapas: 1. Levantamiento de requisitos de software (estándar IEEE 830), 2. Diseño de arquitectura de software (monolítica), 3. Desarrollo del aplicativo móvil (metodología RAD), y 4. Pruebas y validación (encuesta SUS). Determinándose que el modelo de redes neuronales convolucionales (CNN) que presenta los mejores resultados en la clasificación y diagnóstico de contenido de humedad del laurel es la herramienta Google Teachable Machine obteniendo un 93.75% de efectividad. Además, cabe destacar que se obtiene un 84.25% del grado de usabilidad en el aplicativo móvil desarrollado, reflejando la calidad del mismo. Siendo una herramienta muy importante para los artesanos y expertos del aserradero. |
URI : | http://repositorio.espe.edu.ec/handle/21000/26023 |
Aparece en las colecciones: | Tesis - Carrera de Ingeniería en Software (ESPEL) |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
T-ESPEL-SOF-0049.pdf | TRABAJO DE TITULACIÓN | 8,16 MB | Adobe PDF | Visualizar/Abrir |
ESPEL-SOF-0049-P.pdf | PRESENTACIÓN | 7,39 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.