Método automático para extraer información de órdenes de compra de la Ferretería Herramientas y Suministros

dc.contributorBarrero-Calixto, Juan Carlos
dc.creatorGil-Cárdenas, Andrés Mauricio
dc.date.accessioned2022
dc.date.accessioned2022-01-27T13:56:55Z
dc.date.available2022
dc.date.available2022-01-27T13:56:55Z
dc.date.created2022
dc.date.created2022-01-27T13:56:55Z
dc.date.issued2022
dc.identifierGil-Cárdenas, A. M. (2021). Método automático para extraer información de órdenes de compra de la Ferretería Herramientas y Suministros. Trabajo de Grado. Universidad Católica de Colombia. Facultad de Ingeniería. Programa de Ingeniería de Sistemas. Bogotá, Colombia
dc.identifierhttps://hdl.handle.net/10983/26993
dc.description.abstractEste proyecto se enfocó en el área de financiera de La Ferretería Herramientas y suministros SAS, ya que es allí donde se realiza el proceso de selección de la orden de compra, escaneo de esta misma y su almacenamiento en un servidor de la empresa con su respectiva carpeta para facilitar una futura búsqueda. Este proyecto propone diseñar un método automático utilizando aprendizaje profundo (deep learning) implementando la arquitectura Mobilenet-ssd para extraer las características y elementos que permitan identificar las órdenes de compra, con esto, este método automático permitirá reconocer a la empresa generadora de órdenes de compra mediante su logo y el número del documento impreso en esta misma para así ubicarla en una carpeta única para cada empresa.
dc.languagespa
dc.publisherUniversidad Católica de Colombia
dc.publisherFacultad de Ingeniería
dc.publisherBogotá
dc.publisherIngeniería de Sistemas y Computación
dc.relationAmat Rodrigo, Joaquín. 2020. “Validación de modelos predictivos: Crossvalidation, OneLeaveOut, Bootstraping.” Validación de modelos predictivos: Cross-validation, OneLeaveOut, Bootstrapping. https://www.cienciadedatos.net/documentos/30_crossvalidation_oneleaveout_bootstrap.
dc.relationAtria Innovation. 2019. “Qué son las redes neuronales y sus funciones.” Qué son las redes neuronales y sus funciones. https://www.atriainnovation.com/que-son-las-redes-neuronales-y-susfunciones/
dc.relationBlanco Garrido, Cristina. 2018. “Extraccion de características para algoritmos de aprendizaje automático aplicado al reconocimiento de vehículos.” Extracción de características para algoritmos de aprendizaje automático aplicado al reconocimiento de vehículos (Madrid), Febrero, 2018. http://oa.upm.es/50271/1/TFG_CRISTINA_BLANCO_GARRIDO.pdf. Debitoor. n.d. “¿Qué es el sistema OCR?” ¿Qué es el sistema OCR? https://debitoor.es/glosario/ocr-escaneo.
dc.relationDelgado, Ronald. 2018. “Introducción a la Validación Cruzada (k-fold Cross Validation) en R.” Introducción a la Validación Cruzada (k-fold Cross Validation) en R, julio 18, 2018. http://rstudio-pubsstatic.s3.amazonaws.com/405322_6d94d05e54b24ba99438f49a6f8662a9.ht ml.
dc.relationDíaz Sotolongo, Alejandro. n.d. “Extracción de características para el análisis de imágenes de mamografías.” Extracción de características para el análisis de imágenes de mamografías. https://www.monografias.com/trabajos93/extraccion-caracteristicas-analisisimagenes-mamografias/extraccion-caracteristicas-analisis-imagenesmamografias.shtml.
dc.relationGomez, Ramirez, and Juan Sebastian. 2019. “Evaluación de algoritmos de aprendizaje de máquina no supervisados sobre datos climáticos.” Evaluación de algoritmos de aprendizaje de máquina no supervisados sobre datos climáticos, 2019. https://repositorio.unal.edu.co/handle/unal/75848.
dc.relationGonzález Fernández, Marc. 2017. “Detección de logos en imágenes mediante Redes Convolucionales.” Detección de logos en imágenes mediante Redes Convolucionales, Julio 3, 2017. http://diposit.ub.edu/dspace/bitstream/2445/120609/2/memoria.pdf.
dc.relationGuinness, Harry. n.d. “¿Qué es el Afilado de la Imagen?” ¿Qué es el Afilado de la Imagen? https://photography.tutsplus.com/es/tutorials/what-is-image-sharpening-- cms26627#:~:text=El%20afilado%20entonces%2C%20es%20una,nitidez%20ap arente%20de%20la%20imagen.&text=Sustrae%20una%20copia%20borrosa %20.
dc.relationGupta, Deepika, and Soumen Bag. 2020. “CNN-based multilingual handwritten numeral recognition: A fusion-free approach.” Expert Systems with Applications, Agosto 5, 2020. https://sci-hub.do/downloads/2020-10- 16/eb/gupta2021.pdf#page=1&zoom=100,0,0.
dc.relationGupta, Maya, Nathaniel Jacobson, and Eric Garcia. 2007. “OCR binarization and image pre-processing for searching historical documents.” Pattern Recognition, Febrero, 2007. IBM. n.d. “¿Qué es Machine Learning?” ¿Qué es Machine Learning? https://www.ibm.com/ar-es/analytics/machinelearning?p1=Search&p4=43700053692634426&p5=b&cm_mmc=Search_Goo gle-_-1S_1S-_-LA_ISA-_- datos%20%2Bmachine%20%2Blearning_b&cm_mmca7=7170000006528929 9&cm_mmca8=kwd1097762210552&cm_mmca9=Cj0KCQjwoJX8BRCZARIsAEWBFMJ77.
dc.relationJayJay. 2018. “Evaluar los modelos.” Evaluar los modelos. http://datascience.esy.es/wiki/evaluar-los-modelos/. Krishna Madasu, Vamsi, and Brian Carrington Lovell. 2006. “Automatic Segmentation and Recognition of Bank Cheque Fields.” Automatic Segmentation and Recognition of Bank Cheque Fields (Australia), Junio, 2006. https://www.researchgate.net/publication/4215538_Automatic_Segmentation _and_Recognition_of_Bank_Cheque_Fields.
dc.relationLin, Qingxiang, Canjie Luo, Lianwen Jin, and Songxuan Lai. 2020. “Pattern Recognition.” Pattern Recognition (China), Octubre 9, 2020. https://scihub.do/downloads/2020-10- 22/c4/10.1016@j.patcog.2020.107692.pdf#page=1&zoom=100,0,0.
dc.relationLlamoza, Diana, and Elisa Freschi. n.d. “IMPORTANCIA DE LA ORGANIZACIÓN DE DOCUMENTOS.” IMPORTANCIA DE LA ORGANIZACIÓN DE DOCUMENTOS. https://www.academia.edu/11056093/IMPORTANCIA_DE_LA_ORGANIZACIÓ N_DE_DOCUMENTOS..
dc.relationLu, Yuzhen. 2019. “Food Image Recognition by Using Convolutional Neural Networks (CNNs).” Food Image Recognition by Using Convolutional Neural Networks (CNNs) (USA), Febrero 25, 2019. https://arxiv.org/pdf/1612.00983.pdf.
dc.relationMartinez Heras, Jose. 2019. “Precision, Recall, F1, Accuracy en clasificación.” Precision, Recall, F1, Accuracy en clasificación. https://www.iartificial.net/precision-recall-f1-accuracy-en-clasificacion/.
dc.relationMoujahid, Abdelmalik, I˜naki Inza, and Pedro Larra˜naga. n.d. http://www.sc.ehu.es/ccwbayes/docencia/mmcc/docs/t9knn.pdf.
dc.relationNa8. 2018. “¿Cómo funcionan las Convolutional Neural Networks? Visión por Ordenador.” aprende Machine Learning. https://www.aprendemachinelearning.com/como-funcionan-las-convolutionalneural-networks-vision-por-ordenador/.
dc.relationNa8. 2019. “Modelos de Detección de Objetos.” Modelos de Detección de Objetos. https://www.aprendemachinelearning.com/modelos-de-deteccionde-objetos/.
dc.relationNGUYEN, HOANH. 2020. “VEHICLE LOGO RECOGNITION BASED ON VEHICLE REGION AND MULTI-SCALE FEATURE FUSION.” VEHICLE LOGO RECOGNITION BASED ON VEHICLE REGION AND MULTI-SCALE FEATURE FUSION (Vietnam), Agosto 31, 2020. http://www.jatit.org/volumes/Vol98No16/12Vol98No16.pdf.
dc.relationPröve, Paul-Louis. n.d. “An Introduction to different Types of Convolutions in Deep Learning.” An Introduction to different Types of Convolutions in Deep Learning. https://towardsdatascience.com/types-of-convolutions-in-deep-learning717013397f4d.
dc.relationRedHat. n.d. “¿Qué es la automatización?” ¿Qué es la automatización? https://www.redhat.com/es/topics/automation.
dc.relationRolón Alonso, Ricardo, and Vicente Domínguez Torres. n.d. “Reconocimiento de Caracteres en Imagen Digital, una Aplicación al Reconocimiento Automático de Placas de Vehículos.” Reconocimiento de Caracteres en Imagen Digital, una Aplicación al Reconocimiento Automático de Placas de Vehículos (Paraguay).
dc.relationSmartPanel. 2019. “¿Qué es el Deep Learning?” ¿Qué es el Deep Learning? https://www.smartpanel.com/que-es-deep-learning/. Stanojevic, Mladen, and Sanja Vraneš. n.d. “Semantic Approach to Knowledge Representation and Processing.” Semantic Approach to Knowledge Representation and Processing. https://www.igi-global.com/chapter/semantic-approach-knowledgerepresentation-processing/35720.
dc.relationWoods, Gonzaled. n.d. “Preproceso: mejora de la imagen.” Preproceso: mejora de la imagen. http://www.sc.ehu.es/ccwgrrom/transparencias/pdfvision-1-transparencias/capitulo-2.pdf.
dc.relationY. Kung, S. n.d. Kernel Methods and Machine Learning. https://books.google.com.co/books?hl=es&lr=&id=aRcmAwAAQBAJ&oi=fnd& pg=PR17&dq=kernel+machine+learning&ots=Q0dGLmELUD&sig=N6wgXWgp jnz56g9RzLIhGxyva2M#v=onepage&q=kernel%20machine%20learning&f=fal se
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rightshttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rightsCopyright-Universidad Católica de Colombia, 2021
dc.titleMétodo automático para extraer información de órdenes de compra de la Ferretería Herramientas y Suministros
dc.typeTrabajo de grado - Pregrado


Este ítem pertenece a la siguiente institución