Tesis Validadas: 2,591

Tesis de Posgrado: 3,262

Visitas: 1,415,615

Veuillez utiliser cette adresse pour citer ce document : https://rinacional.tecnm.mx/jspui/handle/TecNM/7911
Titre: Identificación de mosquita blanca en plantas de pepino por medio de procesamiento de imágenes
Auteur(s): AGUIRRE CHAVEZ, NOEL
Date de publication: 2024-04-25
Editeur: Tecnológico Nacional de México
metadata.dc.publisher.tecnm: Instituto Tecnológico de Durango
Description: Este trabajo presenta un modelo de entrenamiento de red neuronal siguiendo la arquitectura U-net para la detección de lesiones causadas por la plaga de mosquita blanca en plantas de pepino. El trabajo comenzó con la captura de fotografías documentando el crecimiento de una planta de pepino en un ambiente similar al de un invernadero. Las fotografías fueron tomadas con un teléfono inteligente Samsung A52. Las semillas de pepino fueron plantadas en macetas y las fotografías con las que se documentó el crecimiento fueron utilizadas en un procesamiento de imágenes por medio de su etiquetado usando la técnica de segmentación semántica. Estas imágenes segmentadas fueron utilizadas en un proceso de entrenamiento de un modelo de red neuronal siguiendo la arquitectura U-net para usar dicho modelo en la inferencia en nuevos ejemplos. Este modelo además fue evaluado por medio de la métrica de Intersección sobre Unión, que es la métrica preferida para la evaluación de aplicaciones de detección de objetos gracias a la comparación entre las máscaras etiquetadas y las predicciones realizadas por el modelo entrenado.
metadata.dc.type: info:eu-repo/semantics/masterThesis
Collection(s) :Maestría en Ingeniería

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
NOEL AGUIRRE CHÁVEZ .pdfTexto completo2.33 MBAdobe PDFVoir/Ouvrir
Licencia de uso AGUIRRE CHAVEZ NOEL.pdf
  Jusqu'à 9999-12-31
Carta de cesión de derechos294.75 kBAdobe PDFVoir/Ouvrir    Demander une copie


Ce document est protégé par copyright



Ce document est autorisé sous une licence de type Licence Creative Commons Creative Commons