Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.espe.edu.ec/handle/21000/15802
Título : Sistema basado en redes neuronales artificiales usando microfotografías para el diagnóstico micológico en plantas de maíz
Director(es): Cárdenas Delgado, Sonia Elizabeth
Autor: Lobato Campoverde, María Isabel
Toaza Mora, Jorge Fabricio
Palabras clave : REDES NEURONALES
ALGORITMOS
HONGOS FITOPATÓGENOS
INTELIGENCIA ARTIFICIAL
CULTIVO DE MAIZ
Fecha de publicación : 2019
Editorial: Universidad de las Fuerzas Armadas ESPE. Carrera de Ingeniería en Sistemas e Informática.
Citación : Lobato Campoverde, María Isabel y Toaza Mora, Jorge Fabricio (2019). Sistema basado en redes neuronales artificiales usando microfotografías para el diagnóstico micológico en plantas de maíz. Carrera de Ingeniería en Sistemas e Informática. Universidad de las Fuerzas Armadas ESPE. Matriz Sangolquí.
Abstract: El gran desarrollo que han tenido las Redes Neuronales Artificiales (RNA) en los últimos años ha causado un enorme impacto en las diversas áreas del conocimiento, incluyendo la Biología. Las RNA pueden ser entrenadas para aprender a clasificar patrones en imágenes, con distintos propósitos. El presente proyecto de titulación tiene como objetivo desarrollar un sistema capaz de reconocer 3 tipos de hongos presentes en plantas de maíz, mediante el uso de microfotografías. El sistema está basado en Morfometría y en el uso de algoritmos de Redes Neuronales Profundas (Deep Neural Networks) con lo que se ha logrado el aprendizaje de patrones a partir de un conjunto de imágenes. Las imágenes utilizadas para el entrenamiento de la red neuronal fueron obtenidas del laboratorio de Fitopatología de la Agencia de Regulación y Control Fito y Zoosanitario - AGROCALIDAD, institución pública adscrita al Ministerio de Agricultura y Ganadería. Dichas imágenes pertenecen a 3 plagas que afectan al maíz: Curvularia lunata, Ustilago maydis, y Helminthosporium maydis. El módulo de Morfometría implementado permite procesar la imagen y realizar las mediciones de las plagas en cada muestra. Las mediciones se alojan en la base de conocimiento y las imágenes tratadas se guardan dentro del corpus de imágenes para su aprendizaje. Fueron implementados 4 tipos de algoritmos, 2 de Clasificación y 2 tipos de RNA, de los cuales para el módulo de Morfometría se obtuvieron mejores resultados con el algoritmo Random Forest, ya que obtuvo un margen de confiabilidad de 99 % y para el módulo de Diagnostico se obtuvo un mejor aprendizaje con la Red Neuronal Convolucional, ya que los resultados logrados tuvieron un margen de confiabilidad del 98 %.
URI : http://repositorio.espe.edu.ec/handle/21000/15802
Aparece en las colecciones: Tesis - Carrera de Ingeniería en Sistemas e Informática

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
T-ESPE-040737.pdfTRABAJO DE TITULACIÓN5.95 MBAdobe PDFVisualizar/Abrir
T-ESPE-040737-D.pptxDEFENSA9.75 MBMicrosoft Powerpoint XMLVisualizar/Abrir
T-ESPE-040737-R.pdfRESUMEN294.88 kBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.