000			01924nam a22003497i 4500
001			AZUAY-88608
003			AZUAY
005			20251111043033.0
008			251108b ||||||||qm||| 00| | d
040			_aAZUAY _bspa _cAZUAY _dAZUAY _erda
041	0		_aspa
084			_aUDA-BG T17211
100	1		_aAmores Romero, Kevin Steven, _eautor
245	1	0	_aImplementación de un sistema para detectar la enfermedad de la Sigatoka Negra en una plantación de banano empleando técnicas de visión artificial
264	3	1	_aEcuador : _bUniversidad del Azuay-Facultad de Ciencia y Tecnología-Escuela de Ingeniería Electrónica, _c2022
300			_a21 páginas
300			_bDigital
336			_2rdacontent _atexto _btxt
337			_2rdamedia _acomputadora _bc
338			_2rdacarrier _arecurso en línea _bcr
502			_aIngeniero Electrónico
520	3		_bUno 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.
650	1	4	_aBANANO
650	1	4	_aREDES NEURONALES
650	1	4	_aSIGATOKA NEGRA
650	1	4	_aVISIÓN ARTIFICIAL
650	1	4	_aYOLOV4
700	1		_aTorres Salamea, Hugo Marcelo, _edirector de Tesis
700	1		_aTrelles Muñoz, Kaiser Geovanny, _eautor
856	4	0	_uhttp://dspace.uazuay.edu.ec/handle/datos/11682 _yVer documento en línea
942			_2z _c6
999			_c40870 _d40870