Desarrollo de un dispositivo y un sistema aplicativo de análisis de imágenes de impurezas macroscópicas de quinua (Chenopodium quinoa Willd).
El objetivo de este trabajo de investigación fue desarrollar un dispositivo y un sistema aplicativo de análisis de imágenes de impurezas macroscópicas de quinua. La quinua no procesada fue seleccionada y clasificada, se determinaron humedad y densidad, adquiriendo imágenes de 480 pixeles, se desarro...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | Tesis de pregrado |
| Lenguaje: | español |
| Publicado: |
Universidad Peruana Unión
2019
|
| Materias: | |
| Acceso en línea: | Enlace permanente (DOI o Handle) |
| Etiquetas: |
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| _version_ | 1881545185523924992 |
|---|---|
| author | Luna Quispe, Shinthia |
| author2 | Prieto, Jose Manuel |
| author_browse | Luna Quispe, Shinthia Prieto, Jose Manuel |
| author_facet | Prieto, Jose Manuel Luna Quispe, Shinthia |
| author_sort | Luna Quispe, Shinthia |
| collection | Repositorio institucional |
| description | El objetivo de este trabajo de investigación fue desarrollar un dispositivo y un sistema aplicativo de análisis de imágenes de impurezas macroscópicas de quinua. La quinua no procesada fue seleccionada y clasificada, se determinaron humedad y densidad, adquiriendo imágenes de 480 pixeles, se desarrollo patrones para el reconocimiento de imágenes mediante el entrenamiento de redes neuronales convolucionadas. Se construyó un dispositivo mediante el tarjeta arduino 1 con rieles de transporte. Se obtuvieron 4856 imágenes de quinua no procesada; la humedad, densidad aparente y densidad real de las muestras variaron entre de 1.96% a 12.86%, 0.00017 Kg/cm3 a 0.00159 Kg/cm3 de la densidad real 0.0005 Kg/cm3 a 0.00206 Kg/cm3. Las redes neuronales convolusionadas (CNN) aprendieron las imágenes adquiridas y se obtuvo los patrones, por tanto la clasificación tuvo una alta precisión de 91% de quinua amarilla y baja precisión 20% en tallos de quinua, en recall el mejor fue la muestra de muni muni (Bidens pilosa) 99%, la curva ROC demuestra 55 % de confiabilidad de reconocimiento de imágenes, se logró obtener un dispositivo para 5 g de muestra de quinua no procesada, al cual será aplicado para la mejora de control de impurezas y granos defectuosos de la quinua no procesada. |
| escuela_str_mv | Escuela Profesional de Ingeniería de Alimentos |
| format | info:eu-repo/semantics/bachelorThesis |
| id | oai:repositorio.upeu.edu.pe:20.500.12840/1945 |
| institution | UPeU |
| language | Spanish |
| linea_str_mv | Procedimiento, seguridad y gestión en la industria de los alimentos |
| ocde_area_str_mv | Ingeniería y tecnología |
| ocde_disciplina_str_mv | Otras ingenierías y tecnologías |
| ocde_str_mv | 2.11.02 |
| programa_nombre_str_mv | Ingeniería de Alimentos |
| publishDate | 2019 |
| publishDateRange | 2019 |
| publishDateSort | 2019 |
| publisher | Universidad Peruana Unión |
| publisherStr | Universidad Peruana Unión |
| record_format | dspace |
| sede_str_mv | Juliaca |
| spelling | Desarrollo de un dispositivo y un sistema aplicativo de análisis de imágenes de impurezas macroscópicas de quinua (Chenopodium quinoa Willd). Luna Quispe, Shinthia Prieto, Jose Manuel Quinua Clasificación Reconocimiento de imágenes El objetivo de este trabajo de investigación fue desarrollar un dispositivo y un sistema aplicativo de análisis de imágenes de impurezas macroscópicas de quinua. La quinua no procesada fue seleccionada y clasificada, se determinaron humedad y densidad, adquiriendo imágenes de 480 pixeles, se desarrollo patrones para el reconocimiento de imágenes mediante el entrenamiento de redes neuronales convolucionadas. Se construyó un dispositivo mediante el tarjeta arduino 1 con rieles de transporte. Se obtuvieron 4856 imágenes de quinua no procesada; la humedad, densidad aparente y densidad real de las muestras variaron entre de 1.96% a 12.86%, 0.00017 Kg/cm3 a 0.00159 Kg/cm3 de la densidad real 0.0005 Kg/cm3 a 0.00206 Kg/cm3. Las redes neuronales convolusionadas (CNN) aprendieron las imágenes adquiridas y se obtuvo los patrones, por tanto la clasificación tuvo una alta precisión de 91% de quinua amarilla y baja precisión 20% en tallos de quinua, en recall el mejor fue la muestra de muni muni (Bidens pilosa) 99%, la curva ROC demuestra 55 % de confiabilidad de reconocimiento de imágenes, se logró obtener un dispositivo para 5 g de muestra de quinua no procesada, al cual será aplicado para la mejora de control de impurezas y granos defectuosos de la quinua no procesada. Tesis 2019-07-02 2019-07-15T14:59:57Z 2019-07-15T14:59:57Z info:eu-repo/semantics/bachelorThesis https://hdl.handle.net/20.500.12840/1945 spa info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by/3.0/es/ application/pdf Universidad Peruana Unión PE Universidad Peruana Unión Repositorio Institucional - UPEU oai:repositorio.upeu.edu.pe:20.500.12840/1945 2026-11-10T23:27:33Z |
| spellingShingle | Quinua Clasificación Reconocimiento de imágenes Luna Quispe, Shinthia Desarrollo de un dispositivo y un sistema aplicativo de análisis de imágenes de impurezas macroscópicas de quinua (Chenopodium quinoa Willd). |
| title | Desarrollo de un dispositivo y un sistema aplicativo de análisis de imágenes de impurezas macroscópicas de quinua (Chenopodium quinoa Willd). |
| title_full | Desarrollo de un dispositivo y un sistema aplicativo de análisis de imágenes de impurezas macroscópicas de quinua (Chenopodium quinoa Willd). |
| title_fullStr | Desarrollo de un dispositivo y un sistema aplicativo de análisis de imágenes de impurezas macroscópicas de quinua (Chenopodium quinoa Willd). |
| title_full_unstemmed | Desarrollo de un dispositivo y un sistema aplicativo de análisis de imágenes de impurezas macroscópicas de quinua (Chenopodium quinoa Willd). |
| title_short | Desarrollo de un dispositivo y un sistema aplicativo de análisis de imágenes de impurezas macroscópicas de quinua (Chenopodium quinoa Willd). |
| title_sort | desarrollo de un dispositivo y un sistema aplicativo de analisis de imagenes de impurezas macroscopicas de quinua chenopodium quinoa willd |
| topic | Quinua Clasificación Reconocimiento de imágenes |
| topic_facet | Quinua Clasificación Reconocimiento de imágenes |
| url | https://hdl.handle.net/20.500.12840/1945 |
| work_keys_str_mv | AT lunaquispeshinthia desarrollodeundispositivoyunsistemaaplicativodeanalisisdeimagenesdeimpurezasmacroscopicasdequinuachenopodiumquinoawilld |