DSpace logo

Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.utmachala.edu.ec/handle/48000/18751
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorRivas Asanza, Wilmer Braulio-
dc.contributor.authorFigueroa Yaguana, Kevin Adrian-
dc.date.accessioned2022-03-16T17:01:23Z-
dc.date.available2022-03-16T17:01:23Z-
dc.date.issued2022-
dc.identifier.citationFigueroa Yaguana, Kevin Adrián . (2022) Modelado de una red neuronal artificial para reconocimiento de suelos utilizando deep learning (trabajo de titulación). UTMACH, Facultad de ingeniería Civil, Machala, Ecuador.es_ES
dc.identifier.otherTTFIC-2022-IS-DE00007-
dc.identifier.urihttp://repositorio.utmachala.edu.ec/handle/48000/18751-
dc.descriptionEn la actualidad, la tecnología digital se está aplicando en todo ámbito, medicina, economía, educación, agricultura, entre otros, en donde la innovación apunta a facilitar los procesos y encontrar soluciones cada vez más eficientes y autónomas, a las problemáticas o necesidades. La inteligencia artificial mediante Deep Learning es un claro ejemplo, con su aplicación que ha sido posible gracias al desarrollo de las herramientas informáticas y a la mejora continua de los equipos tecnológicos. Esto ha permitido innovación en las técnicas tradicionales, donde las Tics son utilizadas como herramientas alternativas o complementarias en el estudio o investigación, en la búsqueda o análisis de datos; se es capaz inclusive de automatizar completamente determinadas tareas, sin la necesidad de la intervención humana ,p. ej. el Internet de las cosas. Hoy en día, también en la agricultura se está aplicando la tecnología: existen muchos estudios que revelan fuertes logros en el ámbito aportando innovación y mejoras significativas, con las cuales se pretende llegar a una agricultura, inteligente, y de precisión para generar ventajas competitivas, ahorro de recursos y eficiencia en el campo. Entonces, en búsqueda de innovación, se propuso el desarrollo del presente proyecto tecnológico: realizar un modelado de red neuronal artificial para el reconocimiento de suelos, que utilizará el color como criterio de reconocimiento. El color del suelo es una propiedad física muy importante en la clasificación del suelo y permite inferir cierta información como el tipo y la naturaleza, muy útil cuando no se dispone de tiempo o herramientas para un análisis acurado en laboratorio. Por lo tanto, el prototipo puede ser utilizado como un método alternativo para determinar el color del suelo, o, en caso de que ya exista un análisis previo, como confirmación y comparación de los resultados. Se destaca en más que, siendo una herramienta informática, se eliminaría el problema de la ambigüedad del color, el cual ocurre cuando se determina en color del suelo mediante el método tradicional de la observación directa con las tablas de Munsell. Se desarrolló, por ende, un modelado de red neuronal artificial para el reconocimiento de suelos, que utilizará imágenes para el proceso de aprendizaje del tipo supervisado. Se optó, por consiguiente, por una arquitectura de red neuronal del tipo convolucional, siendo esta la arquitectura más usada y de mayor rendimiento general en el procesamiento de imágenes y extracción de características. Como lenguaje de programación, se utilizó Python en conjunto a las librerías para Deep Learning de Keras y Tensorflow; con Visual Code como editor de código y entorno de ejecución.es_ES
dc.description.abstractCurrently, digital technology is being applied in all areas, medicine, economy, education, agriculture, among others, where innovation aims to facilitate processes and find increasingly efficient and autonomous solutions to problems or needs. Artificial intelligence through Deep Learning is a clear example, with its application made possible thanks to the development of computer tools and the continuous improvement of technological equipment. This has allowed innovation in traditional techniques, where ICTs are used as alternative or complementary tools in the study or research, in the search or analysis of data, it is even capable of completely automating certain tasks, without the need for human intervention, e.g., the Internet of things. Today, technology is also being applied in agriculture, there are many studies that reveal strong achievements in the field, bringing innovation and significant improvements, with which the aim is to achieve, intelligent, and precision agriculture to generate competitive advantages, resource savings and efficiency in the field. Therefore, in search of innovation, the development of this technological project was proposed, to develop an artificial neural network modeling for soil recognition, which will use color as a recognition criterion. Soil color is a very important physical property in soil classification and allows to infer certain information such as type and nature, very useful when there is no time or tools available for an accurate laboratory analysis. Thus, the prototype can be used as an alternative method to determine soil color; or, in case a previous analysis already exists, as a confirmation and comparison of the results. It is further emphasized that, being a computerized tool, it would eliminate the problem of color ambiguity, which occurs when soil color is determined by the traditional method of direct observation with Munsell tables. Therefore, an artificial neural network modeling for soil recognition was developed, which will use images for the supervised learning process. So, a convolutional neural network architecture was chosen, as this is the most widely used architecture with the highest overall performance in image processing and feature extraction. As programming language, Python was used in conjunction with Keras and Tensorflow Deep Learning libraries; with Visual Code as code editor and runtime environment.es_ES
dc.format.extent70 p.es_ES
dc.language.isoeses_ES
dc.publisherMachala: Universidad Tëcnica de Machalaes_ES
dc.rightsopenAccesses_ES
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/3.0/ec/es_ES
dc.subjectINTELIGENCIA ARTIFICIALes_ES
dc.subjectAPRENDIZAJE PROFUNDOes_ES
dc.subjectRED NEURONALes_ES
dc.subjectCONVOLUCIONALes_ES
dc.titleModelado de una red neuronal artificial para reconocimiento de suelos utilizando deep learninges_ES
dc.typebachelorThesises_ES
dc.emailkfigueroa2@utmachala.edu.eces_ES
dc.cedula0704822444es_ES
dc.utmachtitulacion.titulacionPropuestas tecnológicases_ES
dc.utmachbibliotecario.bibliotecarioPeralta Mercyes_ES
dc.utmachproceso.procesoPT-041021 (2021-2)es_ES
Aparece en las colecciones: Trabajo de Titulación Ingeniería de sistemas

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TTFIC-2022-IS-DE00007.pdfTRABAJO DE TITULACION4,28 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons