Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen:
http://repositorio.espe.edu.ec/handle/21000/36785
Titel: | Detección de cultivos infectados con tizón tardío en la papa (solanum tuberosum) basado en imágenes |
Director(es): | Aguilar Castillo, Wilbert Geovanny |
Autor(en): | Andrade Basantes, Marco Vinicio |
Stichwörter: | RED NEURONAL CONVOLUCIONAL TENSOR FLOW TIZÓN TARDÍO |
Erscheinungsdatum: | 2023 |
Herausgeber: | Universidad de las Fuerzas Armadas ESPE. Carrera de Ingeniería en Electrónica, Automatización y Control. |
Zitierform: | 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. |
Zusammenfassung: | 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. |
URI: | http://repositorio.espe.edu.ec/handle/21000/36785 |
Enthalten in den Sammlungen: | Tesis - Carrera de Ingeniería en Electrónica y Telecomunicaciones |
Dateien zu dieser Ressource:
Datei | Beschreibung | Größe | Format | |
---|---|---|---|---|
T-ESPE-058133-R.pdf | RESUMEN | 13,52 kB | Adobe PDF | Öffnen/Anzeigen |
T-ESPE-058133-D.pdf | DEFENSA | 2,77 MB | Adobe PDF | Öffnen/Anzeigen |
T-ESPE-058133.pdf | TRABAJO DE TITULACIÓN | 3,68 MB | Adobe PDF | Öffnen/Anzeigen |
Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.