| dc.contributor | Cantuña Flores, Karla Susana | |
| dc.creator | Molina Cajas, Jhoanna Elizabeth | |
| dc.creator | Salazar Segovia, Thalía Maricruz | |
| dc.date | 2022-12-06T20:24:54Z | |
| dc.date | 2022-12-06T20:24:54Z | |
| dc.date | 2022-03 | |
| dc.date.accessioned | 2023-08-08T21:32:41Z | |
| dc.date.available | 2023-08-08T21:32:41Z | |
| dc.identifier | Molina Cajas Jhoanna Elizabeth, Salazar Segovia Thalía Maricruz (2022); Revisión de técnicas de aprendizaje de máquinas, usadas en el reconocimiento de especies vegetales. UTC. Latacunga. 94 p. | |
| dc.identifier | PI-002093 | |
| dc.identifier | http://repositorio.utc.edu.ec/handle/27000/9183 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8082473 | |
| dc.description | This research project describes the analysis of systematic literature review (RLS) with machine learning techniques in plant species. In RLS, an analysis of different articles was carried out, based on: recognition of plant species during the last 5 years and their frequency of use, for which search terms, selection of search protocols, and search resources were used in Science Direct, Academic Google and Scielo. The search selection was applied under quality criteria to the 23 articles of which 7 were approved, which will be used in the investigation. As a result, the mint and oregano plant species were chosen based on physical characteristics and, in turn, the logistic regression machine learning technique. For the development of the mobile application, a database of 500 photographs between mint and oregano was used, for the application of the logistic regression algorithm, 25 attributes resulting from the segmentation of images were used as input data (Convolution, Diffusion, Luminosity, Density, Threshold) using the filters Blur, Canny, Dilate, Eroded and the original image for each of them and two binary output data for determining the name of the plant. For the recognition of the plant, the function (y_i=β_0+β_1 x_i+ε_i for i=1,2,n(2,29) was used. Finally, the performance tests are carried out to verify the operation of the mobile application. | |
| dc.description | El presente proyecto de investigación, describe el análisis de revisión sistemática literaria (RLS) con técnicas de aprendizaje de máquinas en especies vegetales. En RLS se realizó un análisis de diferentes artículos, en base: reconocimiento de especies vegetales durante los últimos 5 años y su frecuencia de uso, para ello se utilizó términos de búsqueda, selección de protocolos de búsqueda y recursos de búsqueda en: Science Direct, Google académico y Scielo. Se aplicó la selección de búsqueda bajo criterios de calidad a los 23 artículos de los cuales fueron aprobados 7, los cuales serán empleados en la investigación. Como resultado se eligió las especies vegetales menta y orégano en base a características físicas y a su vez la técnica de aprendizaje de máquina regresión logística. Para el desarrollo de la aplicación móvil, se utilizó una base de datos de 500 fotografías entre menta y orégano, para la aplicación del algoritmo de regresión logística se utilizó como datos de entrada a 25 atributos resultantes de la segmentación de imágenes (Convolución, Difuminación, Luminosidad, Densidad, Umbralización) utilizando los filtros Blur, Canny, Dilate, Eroded y la imagen original para cada uno de ellos y dos datos binarios de salida para la determinación del nombre de la planta. Para el reconocimiento de la planta se utilizó la función (y_i=β_0+β_1 x_i+ε_i para i=1,2,n(2,29). Finalmente, se realiza las pruebas de funcionamiento para la verificación del funcionamiento de la aplicación móvil. | |
| dc.format | 93 páginas | |
| dc.language | spa | |
| dc.publisher | Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UTC) | |
| dc.rights | openAccess | |
| dc.rights | http://creativecommons.org/licenses/by-nc-sa/3.0/ec/ | |
| dc.subject | APRENDIZAJE DE MÁQUINAS | |
| dc.subject | ESPECIES VEGETALES | |
| dc.subject | REGRESIÓN LOGÍSTICA | |
| dc.subject | APLICACIÓN MÓVIL | |
| dc.subject | SISTEMAS COMPUTACIONALES | |
| dc.title | Revisión de técnicas de aprendizaje de máquinas, usadas en el reconocimiento de especies vegetales | |
| dc.type | bachelorThesis | |
