Comparación de diferentes métodos de visión por computadora para la clasificación del tomate chonto por tamaño y estado de maduración

dc.contributorGarcía Cárdenas, Juan José
dc.contributorSegura Quijano, Fredy Enrique
dc.contributorSotelo Briceño, Diana Camila
dc.creatorRojas Sánchez, Diego Alejandro
dc.date.accessioned2023-07-26T14:38:09Z
dc.date.accessioned2023-09-07T01:29:49Z
dc.date.available2023-07-26T14:38:09Z
dc.date.available2023-09-07T01:29:49Z
dc.date.created2023-07-26T14:38:09Z
dc.date.issued2023-06-09
dc.identifierhttp://hdl.handle.net/1992/68793
dc.identifierinstname:Universidad de los Andes
dc.identifierreponame:Repositorio Institucional Séneca
dc.identifierrepourl:https://repositorio.uniandes.edu.co/
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/8728412
dc.description.abstractEste trabajo enfoca su objetivo principal en diseñar diferentes métodos de visión por computadora para la clasificación del tomate chonto por tamaño y por estados de maduración en busca de una automatización agrícola óptima. Por lo cual, se diseñaron 3 modelos para cada clasificación que se envuelven en el campo del análisis de imágenes, redes neuronales artificiales y redes neuronales convolucionales. Las cuales, se construyen alrededor de una base de datos construida durante el proyecto diseñando un protocolo de toma de fotografías adecuado para garantizar una alta calidad de las imágenes.
dc.languagespa
dc.publisherUniversidad de los Andes
dc.publisherIngeniería Electrónica
dc.publisherFacultad de Ingeniería
dc.publisherDepartamento de Ingeniería Eléctrica y Electrónica
dc.relationA. Buriticá, «La innovación en la producción de tomate en Colombia,» 2022. [En línea]. Available: https://blog.croper.com/la-innovacion-en-la-produccion-de-tomate-en-colombia/.
dc.relationDirección de Cadenas Agrícolas y Forestales, «Cadena de las Hortalizas,» Ministerio de Agricultura y Desarrollo Rural, 2019. [En línea]. Available: https://sioc.minagricultura.gov.co/Hortalizas/Documentos/2019-12-30%20Cifras%20Sectoriales.pdf.
dc.relationViceprecidencia de fortalecimiento empresarial, «Programa de apoyo agrícola y agroindustrial,» Cámara de comercio de Bogotá, Bogotá, Colombia, 2015.
dc.relationE. Burbano y F. A. Vallejo Cabrera, «Producción de líneas de tomate 'chonto,' Solanum,» Rev. colomb cienc hortíc, p. pp. 63-71, 2017.
dc.relationAgriculture Organization of the United Nations (FAO), «FAO Statistical Databases.,» Faostat, Roma, 2000.
dc.relationF. V. Cabrera, Mejoramiento genético y producción de tomate en Colombia, Bogotá,Colombia: Universidad Nacional, 1999la.
dc.relationC. E. Muñoz Domínguez y H. R. Casallas Ávila , «Diseño de una máquina para la clasificación de tomate chonto Lycopersicum esculentum mill,» Universidad de La Salle, Bogotá, 2020.
dc.relationG. J. Fornaris, «Conjunto Tecnológico para la Producción de Tomate1, CARACTERÍSTICAS DE LA PLANTA,» Universidad de Puerto Rico, ESTACIÓN EXPERIMENTAL AGRÍCOLA, Puerto Rico, 2007.
dc.relationInstituto Colombiano de Normas Técnicas y Certificación (ICONTEC), «Norma técnica colombian NTC 1103-1,,» Bogotá, 1995.
dc.relationC. d. l. p. Wikimedia, «Wikipedia, la enciclopedia libre,» RGB - Wikipedia, la enciclopedia libre, 2004. [En línea]. Available: https://es.wikipedia.org/wiki/RGB. [Último acceso: 16 05 2023].
dc.relationC. d. l. p. Wikimedia, «Modelo de color HSV - Wikipedia, la enciclopedia libre,» Wikipedia, la enciclopedia libre, 2006. [En línea]. Available: https://es.wikipedia.org/wiki/Modelo_de_color_HSV. [Último acceso: 16 05 2023].
dc.relationAdobe , «Visualización de histogramas y valores de píxeles,» Adobe Help Center, s.f.. [En línea]. Available: https://helpx.adobe.com/co/photoshop/using/viewing-histograms-pixel-values.html.
dc.relationT. d. programación, «Histogramas OpenCV Python,» Tutor de Programación, 2017. [En línea]. Available: http://acodigo.blogspot.com/2017/08/histogramas-opencv-python.html.
dc.relationDataSmarts, «Cómo Usar Máscaras en OpenCV,» YouTube, 2022. [En línea]. Available: https://www.youtube.com/watch?v=LA48oCHNxF4.
dc.relationG. Omes, «DETECCIÓN DE COLORES Y Tracking en OpenCV,» YouTube, 7 3 2019. [En línea]. Available: https://www.youtube.com/watch?v=CFuyXw-pfPY&t=2s&ab_channel=OMES. [Último acceso: 17 05 2023].
dc.relationNational geographic, «Breve historia visual de la inteligencia artificial,» National geographic, 2020. [En línea]. Available: https://www.nationalgeographic.com.es/ciencia/breve-historia-visual-inteligencia-artificial_14419.
dc.relationV. Rodríguez, «Conceptos básicos sobre redes neuronales,» 30 10 2018. [En línea]. Available: https://vincentblog.xyz/posts/conceptos-basicos-sobre-redes-neuronales.
dc.relationIBM, «IBM Documentation,» IBM - Deutschland | IBM, s.f.. [En línea]. Available: https://www.ibm.com/docs/es/spss-modeler/saas?topic=nodes-neural-networks.
dc.relationP. COSTA, «Redes neuronales convolucionales explicadas,» s.f.. [En línea]. Available: https://pochocosta.com/podcast/redes-neuronales-convolucionales-explicadas/.
dc.relationE. Freire y S. Silva, «Redes neuronales,» Medium, 14 11 2019. [En línea]. Available: https://bootcampai.medium.com/redes-neuronales-13349dd1a5bb#:~:text=Funciones%20de%20activaci%C3%B3n,que%20permitir%C3%A1%2.
dc.relationD. Calvo, «Función de activación - Redes neuronales,» 7 12 2018. [En línea]. Available: https://www.diegocalvo.es/funcion-de-activacion-redes-neuronales/.
dc.relationI. Gavilán, «Catálogo de componentes de redes neuronales (III): funciones de pérdida,» [En línea]. Available: https://ignaciogavilan.com/catalogo-de-componentes-de-redes-neuronales-iii-funciones-de-perdida/.
dc.relationP. G. Juan Camilo , «Clasificación de la madurez del aguacate Hass para su cosecha,» UNIVERSIDAD DE LOS ANDES, Bogotá, Colombia, 2022.
dc.relationN. S. Chauhan, «Métricas De Evaluación De Modelos En El Aprendizaje Automático,» datasource.ai, 02 09 2020. [En línea]. Available: https://www.datasource.ai/es/data-science-articles/metricas-de-evaluacion-de-modelos-en-el-aprendizaje-automatico.
dc.relation«Machine Learning: Seleccion Metricas de clasificacion,» sitiobigdata.com, [En línea]. Available: https://www.datasource.ai/es/data-science-articles/metricas-de-evaluacion-de-modelos-en-el-aprendizaje-automatico.
dc.relationR. Díaz Badra, «Métricas de Clasificación,» Descubriendo la IA, s.f.. [En línea]. Available: https://www.themachinelearners.com/metricas-de-clasificacion/.
dc.relationB. Me y M. Carlos, «Cómo interpretar un artículo sobre pruebas diagnósticas,» Revista Chilena de Cirugia, vol. 62, nº 10.4067/S0718-40262010000300018, pp. 301-308, 2010.
dc.relationO. I. ROSARIO, «SISTEMA PARA CLASIFICACIÓN DE JITOMATES,» centro de investigacion optica, pp. 1-9, 2010.
dc.relationC. E. Muñoz Domínguez y H. R. Casallas Ávila , «Diseño de una máquina para la clasificación de tomate chonto,» Universidad de La Salle, 2020.
dc.relationJ. V. E. R. Diaz, «Algoritmo integrado con febrero Artificial apoyado en mano robótica,» 2020.
dc.relationG. Omes, «DETECCIÓN DE COLORES en OPENCV [en 4 Pasos] - Parte1,» YouTube, 02 03 2019. [En línea]. Available: https://www.youtube.com/watch?v=giwtDYcIXKA&t=4s&ab_channel=OMES.
dc.relationsurflaweb, «Estimar el diámetro de una fruta con visión artificial (opencv - python),» YouTube, 22 02 2021. [En línea]. Available: https://www.youtube.com/watch?v=o0SSZPmKXZU&ab_channel=surflaweb.
dc.rightsAttribution-NoDerivatives 4.0 Internacional
dc.rightsAttribution-NoDerivatives 4.0 Internacional
dc.rightshttp://creativecommons.org/licenses/by-nd/4.0/
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightshttp://purl.org/coar/access_right/c_abf2
dc.titleComparación de diferentes métodos de visión por computadora para la clasificación del tomate chonto por tamaño y estado de maduración
dc.typeTrabajo de grado - Pregrado


Este ítem pertenece a la siguiente institución