Mostrar el registro sencillo del ítem
dc.contributor.advisor | Aguilar Castillo, Wilbert Geovanny | |
dc.contributor.author | Andrade Basantes, Marco Vinicio | |
dc.date.accessioned | 2023-08-27T14:09:42Z | |
dc.date.available | 2023-08-27T14:09:42Z | |
dc.date.issued | 2023 | |
dc.identifier.citation | Andrade Basantes, Marco Vinicio (2023). Detección de cultivos infectados con tizón tardío en la papa (solanum tuberosum) basado en imágenes. Carrera de Ingeniería en Electrónica, Automatización y Control. Universidad de las Fuerzas Armadas ESPE. Matriz Sangolquí. | es_ES |
dc.identifier.other | 058133 | |
dc.identifier.uri | http://repositorio.espe.edu.ec/handle/21000/36785 | |
dc.description.abstract | El proyecto consiste en el desarrollo de un modelo de detección de la enfermedad tizón tardío en los cultivos de papa aprovechando la fuerza de la Inteligencia Artificial y el aprendizaje profundo, modelo al cual también se le entreno para detectar el tizón temprano ya que comparten formas, colores, y texturas parecidas. Mediante el uso de algoritmos de visión por computadora, se procesan imágenes de hojas de papa, enfocándose específicamente en identificar y segmentar posibles áreas de infección. Se genera una base de datos de diferentes repositorios de uso libre, para posteriormente con TensorFlow, popular en ámbitos de aprendizaje profundo, poder construir y entrenar un modelo de red neuronal convolucional. Este tipo de modelo es especialmente eficiente en tareas de procesamiento y clasificación de imágenes. Una vez procesada la base de datos, se implementan técnicas de aumento de datos, como rotaciones y reflejos, para robustecer el modelo frente a variaciones y garantizar que pueda detectar el tizón en diferentes condiciones y etapas de la enfermedad. Además, se divide la base de datos en conjuntos de entrenamiento, validación y prueba, permitiendo evaluar de forma precisa el rendimiento del modelo. La arquitectura del modelo convolucional se compone de múltiples capas, incluyendo capas de convolución, reducción de dimensionalidad y capas densamente conectadas. Este diseño busca extraer características esenciales de las imágenes y usarlas para realizar una clasificación efectiva. Esta solución no solo ofrece una herramienta de diagnóstico precisa sino también una estrategia proactiva para la gestión y tratamiento de cultivos. | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Universidad de las Fuerzas Armadas ESPE. Carrera de Ingeniería en Electrónica, Automatización y Control. | es_ES |
dc.rights | openAccess | es_ES |
dc.subject | RED NEURONAL CONVOLUCIONAL | es_ES |
dc.subject | TENSOR FLOW | es_ES |
dc.subject | TIZÓN TARDÍO | es_ES |
dc.title | Detección de cultivos infectados con tizón tardío en la papa (solanum tuberosum) basado en imágenes | es_ES |
dc.type | bachelorThesis | es_ES |