Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.uan.edu.co/handle/123456789/7904
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorFernández Periche, Francisco Maximiliano-
dc.coverage.spatialSan Agustín (Huila, Colombia)es_ES
dc.creatorErazo Samboni, William Ricardo-
dc.date.accessioned2023-03-31T00:50:41Z-
dc.date.available2023-03-31T00:50:41Z-
dc.date.created2022-11-28-
dc.identifier.urihttp://repositorio.uan.edu.co/handle/123456789/7904-
dc.description.abstractIn the department of Huila, in recent years there has been an increase in Hass avocado crops, which is why there is also evidence of the presence of pests such as Monalonion, considered the main one according to farmers, the appearance of th losses between 50 and 100% (Eugenia & Zuluaga, 2020) . T is can generate economic he purpose of this project was to develop a mobile Android application using Artificial Vision and Deep Learning for the identification of the fruit with Monalonion . The data set consolidated by the author contains real images of avocados, the Deep Learning transfer learning technique and the EfficientDetLite3 model are used, it was evaluated in the Google Colab environment with the mAP (mean Average Precision) metric of 9 0 which i % was obtaineds very popular among different competitions and an average accuracyes_ES
dc.description.tableofcontentsEn el departamento del Huila, en los últimos años se ha registrado un aumento en cultivos de aguacate Hass, por lo cual, se evidencia también la presencia de plagas como el Monalonion, considerada como la principal según los agricultores, la aparición de e económicas entre el 50 Y 100% (Eugenia & Zuluaga, 2020) . sta puede generar pérdidas El propósito de este proyecto fue desarrollar una aplicación Android móvil utilizando Visión Artificial y Deep Learning para la identificación del fruto con Monalonion. El conjunto de datos consolidado por el autor contiene imágenes reales de los aguacates, se emple Learning y el modelo EfficientDetó la técnica de aprendizaje por transferencia de Deep Lite3, se evaluó en el entorno de Google Colab con la métri ca mAP (mean Average Precision) que es muy popular entre diferentes competiciones y se obtuvo una precisión promedio de 90%es_ES
dc.language.isospaes_ES
dc.publisherUniversidad Antonio Nariñoes_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Estados Unidos de América*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.sourceinstname:Universidad Antonio Nariñoes_ES
dc.sourcereponame:Repositorio Institucional UANes_ES
dc.sourceinstname:Universidad Antonio Nariñoes_ES
dc.sourcereponame:Repositorio Institucional UANes_ES
dc.subjectAguacate Hasses_ES
dc.subjectPlaga Monaloniones_ES
dc.subjectAplicación Android móviles_ES
dc.subjectVisión Artificiales_ES
dc.subjectDeep Learninges_ES
dc.titleDesarrollo de aplicación Android móvil utilizando Visión Artificial y Deep Learning para la identificación de aguacates Hass con la plaga Monalonion, en la finca “Las Palmas”, ubicada en el municipio de San Agustín, Huilaes_ES
dc.typeTesis - Trabajo de grado - Monografia - Pregradoes_ES
dc.publisher.programIngeniería Electrónicaes_ES
dc.rights.accesRightsopenAccesses_ES
dc.subject.keywordHass avocadoes_ES
dc.subject.keywordMonalonion pestes_ES
dc.subject.keywordAndroid mobile applicationes_ES
dc.subject.keywordArtificial Visiones_ES
dc.subject.keywordDeep Learninges_ES
dc.type.spaTrabajo de grado (Pregrado y/o Especialización)es_ES
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersiones_ES
dc.source.bibliographicCitationAmazon, aws. (2022). Capa gratuita de AWS | Cloud computing gratis |AWS. https://aws.amazon.com/es/free/?trk=eb709b95-5dcd-4cf8-89296f13b8f2781f&sc_channel=ps&s_kwcid=AL!4422!3!618394789840!e!!g!!amazon%20web %20services&ef_id=CjwKCAjwkaSaBhA4EiwALBgQaHqT-yY5uCwnsKsN_byiG-f4I_9lrxLHuQVYk6knRJnZjN8b2u6MBoC8IQQAvD_BwE:G:s&s_kwcid=AL!4422!3!6183947 89840!e!!g!!amazon%20web%20services&all-free-tier.sortby=item.additionalFields.SortRank&all-free-tier.sortorder=asc&awsf.Free%20Tier%20Types=*all&awsf.Free%20Tier%20Categories=*alles_ES
dc.source.bibliographicCitationApache, Google, & Tensorflow. (2020). Search | TensorFlow Hub. https://tfhub.dev/s?networkarchitecture=efficientdetes_ES
dc.source.bibliographicCitationBBVA. (2021). Qué es el «machine learning» y cómo funciona. https://www.bbva.com/es/machine-learning-que-es-y-como-funciona/es_ES
dc.source.bibliographicCitationBerger, J., Preussler, C., & Agostini, J. P. (2019). Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning. http://sedici.unlp.edu.ar/bitstream/handle/10915/71000/Documento_completo.pdfPDFA.pdf?sequence=1&isAllowed=yes_ES
dc.source.bibliographicCitationBrain, G. (2021). Detección de objetos con Android | TensorFlow Lite. https://www.tensorflow.org/lite/android/tutorials/object_detectiones_ES
dc.source.bibliographicCitationBrain Team, G. (2022). Introducción a Android Studio | Desarrolladores de Android | Android Developers. https://developer.android.com/studio/intro?hl=es-419es_ES
dc.source.bibliographicCitationBulk Resize Photos - Resize Images. (2022). https://bulkresizephotos.com/enes_ES
dc.source.bibliographicCitationC Arlen, T. (2018). Understanding the mAP Evaluation Metric for Object Detection | by Timothy C Arlen | Medium. https://medium.com/@timothycarlen/understanding-the-map-evaluationmetric-for-object-detection-a07fe6962cf3es_ES
dc.source.bibliographicCitationCalderon, A., & Cortes, H. D. H. (2020). Machine learning en la detección de enfermedades en plantas: Machine learning en la detección de enfermedades en plantas. Tecnología Investigación y Academia, 7(2), 55-61.es_ES
dc.source.bibliographicCitationCalvo, D. (2017). Red Neuronal Convolucional CNN - Diego Calvo. https://www.diegocalvo.es/red-neuronal-convolucional/es_ES
dc.description.degreenameIngeniero(a) Electrónico(a)es_ES
dc.description.degreelevelPregradoes_ES
dc.publisher.facultyFacultad de Ingeniería Mecánica, Electrónica y Biomédicaes_ES
dc.audienceEspecializadaes_ES
dc.description.notesPresenciales_ES
dc.creator.cedula20441514074es_ES
dc.publisher.campusNeiva Buganvileses_ES
dc.description.degreetypeProyectoes_ES
Aparece en las colecciones: Ingeniería electrónica

Ficheros en este ítem:
Fichero Tamaño  
2022_WilliamRicardoErazoSamboni.pdf1.97 MBVisualizar/Abrir
2022_WilliamRicardoErazoSamboni _Autorización
  Restricted Access
1.63 MBVisualizar/Abrir  Request a copy
2022_WilliamRicardoErazoSamboni _Acta
  Restricted Access
314.08 kBVisualizar/Abrir  Request a copy


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