Normal view MARC view ISBD view

Implementación de un sistema para detectar la enfermedad de la Sigatoka Negra en una plantación de banano empleando técnicas de visión artificial

By:

Amores Romero, Kevin Steven [autor]

Contributor(s):

Material type: Text

TextLanguage: Spanish Publisher: Ecuador : Universidad del Azuay-Facultad de Ciencia y Tecnología-Escuela de Ingeniería Electrónica, 2022Description: 21 páginas; DigitalContent type:

texto

Media type:

computadora

Carrier type:

recurso en línea

Subject(s):

Other classification:

UDA-BG T17211

Online resources:

Ver documento en línea

Dissertation note: Ingeniero Electrónico Abstract: Uno de los problemas para la detección temprana de Sigatoka Negra es la necesidad del uso de una herramienta visual para determinar la existencia de los estados iniciales de la enfermedad, por esta razón se ha implementado un sistema empleando técnicas de visión artificial. Este proyecto consiste en el desarrollo de una red neuronal YOLOv4 basada en el entrenamiento mediante etiquetado manual de imágenes, este sistema utiliza herramientas de la nube como Google Colab que permite ejecutar código en línea; la precisión obtenida para evaluar el rendimiento de la red neuronal es mayor al 85% y se estableció la incidencia de la enfermedad en cada lote de la plantación de banano.

Tags from this library: No tags from this library for this title. Log in to add tags.

Average rating: 0.0 (0 votes)

Holdings
Item type	Current library	Shelving location	Call number	Status	Barcode
Tesis	Biblioteca Hernán Malo González	Digital	UDA-BG T17211 (Browse shelf(Opens below))	Available	T17211

Ingeniero Electrónico

Uno de los problemas para la detección temprana de Sigatoka Negra es la necesidad del uso de una herramienta visual para determinar la existencia de los estados iniciales de la enfermedad, por esta razón se ha implementado un sistema empleando técnicas de visión artificial. Este proyecto consiste en el desarrollo de una red neuronal YOLOv4 basada en el entrenamiento mediante etiquetado manual de imágenes, este sistema utiliza herramientas de la nube como Google Colab que permite ejecutar código en línea; la precisión obtenida para evaluar el rendimiento de la red neuronal es mayor al 85% y se estableció la incidencia de la enfermedad en cada lote de la plantación de banano.

There are no comments on this title.

to post a comment.