Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/10609/98767
Título : | Modelo de aprendizaje profundo/red neuronal convolucional (CNN) para clasificación de calidad de ácidos grasos por imágenes de semillas de Helianthus annuus |
Autoría: | Vega Arias, Juan Manuel |
Tutor: | Vegas Lozano, Esteban Reverter, Ferran |
Otros: | MORENO PEREZ, ANTONIO JAVIER |
Resumen : | En este trabajo, hemos construido un modelo de red neuronal convolucional que puede clasificar la calidad de los ácidos grasos de las semillas de girasol a través de sus imágenes. El modelo fue desarrollado separando el trabajo en dos secciones principales. Primero, una parte experimental en la que recolectamos los datos necesarios para construir nuestro propio conjunto de datos desde cero para formar la red neuronal, y segundo, el componente analítico en el que desarrollamos el modelo utilizando los datos que recolectamos previamente. Este modelo muestra una alta precisión al clasificar diferentes tipos de semillas de girasol (Helianthus annuus L.) utilizadas para diferentes propósitos dependiendo de su contenido de calidad de ácidos grasos. |
Palabras clave : | red neuronal convolucional clasificación de imágenes aprendizaje profundo |
Tipo de documento: | info:eu-repo/semantics/masterThesis |
Fecha de publicación : | 26-jun-2019 |
Licencia de publicación: | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ |
Aparece en las colecciones: | Trabajos finales de carrera, trabajos de investigación, etc. |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
jvegaarTFM0619memoria.pdf | Memoria de TFM | 3,31 MB | Adobe PDF | Visualizar/Abrir |
Comparte:
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons