Informática con mención en Ciencias de la Computación

URI permanente para esta colecciónhttp://54.81.141.168/handle/123456789/51445

Explorar

Filtros

2019 - 20202

Ajustes

Temasearch.filters.applied.operator.equals: search.filters.subject.Procesamiento de imágenes

Resultados de Búsqueda

Mostrando 1 - 2 de 2
  • No hay miniatura disponible
    ÍtemTexto completo enlazado
    Diseño de un modelo basado en redes neuronales artificiales para la clasificación de palta hass
    (Pontificia Universidad Católica del Perú, 2020-10-28) Salazar Campos, Juan Orlando; Sipirán Mendoza, Iván Anselmo; Pow Sang Portillo, José Antonio
    Perú se ha convertido en uno de los principales productores de palta Hass, en este aspecto una etapa fundamental es la clasificación, esta situación conllevó al planteamiento del presente trabajo de investigación el cual tuvo por objetivo diseñar un modelo basado en Redes Neuronales Artificiales que permita la clasificación de dicha fruta considerando como criterios el estado de madurez fisiológica y la evaluación de los daños y defectos que presente, dichas consideraciones están contempladas en la Norma Técnica Peruana NTP 011.018-2018. En la etapa inicial se diseñó un entorno controlado con un nivel de luminosidad frío-día, el cual permitió la adquisición de imágenes, construyendo un dataset de 310 imágenes etiquetadas, sobre el cual se aplicó Data Augmentation. Luego se procedió a definir la parametrización de una arquitectura de red neuronal convolucional, obteniendo un modelo de CNN sobre el cual se fueron evaluando 4 criterios, la resolución de las imágenes de entrada, la cantidad de capas de convolución y pooling, el factor de aprendizaje y la cantidad de épocas de entrenamiento. Finalmente se mostraron los resultados obtenidos, definiendo la resolución de la imágenes de entrada en 64 x 64 pixeles, 3 capas de convolución acompañas de pooling, con máscaras de 3x3 y 2x2 respectivamente y con funciones de activación ReLU, pasando luego a una capa capa fully connected, la cual se conectó a una capa oculta y ésta a la capa de salida, la cual constó de 4 neuronas bajo la representación One Hot Encoding, con una función de activación softmax, y un factor de aprendizaje de 0.001, utilizando en su entrenamiento 50 épocas. Luego de evaluar el modelo parametrizado se alcanzó una identificación correcta de las imágenes de palta Hass con una exactitud de 87.5%.
  • No hay miniatura disponible
    ÍtemTexto completo enlazado
    Support system for decision making in the phenotypic Evaluation of brown swiss cattle using image processing and augmented reality
    (Pontificia Universidad Católica del Perú, 2019-11-27) Apumayta Lopez, Julianna Milagros; Alatrista Salas, Hugo; Nuñez del Prado, Miguel
    To certify the information coming from the registered animals of different breeds and to guarantee their racial purity and contribute to the genetic improvement, we propose the development of a model based on augmented reality and support decision making for identification and automatic classification of Brown Swiss cattle. TensorFlow Object Detection API was used to detect the cow in real time. The learning transfer approach was used for training, and MobilNet pre-trained architecture was selected. MobilNet is an efficient model for mobile applications because it is small in size and fasts. The results were reflected in the development of a mobile app, which was evaluated through the automatic adjustment and calibration of the template on the cow if the animal that was focusing was or was not of the Brown Swiss breed.