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.advisor | Fernández Periche, Francisco Maximiliano | - |
dc.coverage.spatial | San Agustín (Huila, Colombia) | es_ES |
dc.creator | Erazo Samboni, William Ricardo | - |
dc.date.accessioned | 2023-03-31T00:50:41Z | - |
dc.date.available | 2023-03-31T00:50:41Z | - |
dc.date.created | 2022-11-28 | - |
dc.identifier.uri | http://repositorio.uan.edu.co/handle/123456789/7904 | - |
dc.description.abstract | In 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 accuracy | es_ES |
dc.description.tableofcontents | En 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.iso | spa | es_ES |
dc.publisher | Universidad Antonio Nariño | es_ES |
dc.rights | Atribución-NoComercial-SinDerivadas 3.0 Estados Unidos de América | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
dc.source | instname:Universidad Antonio Nariño | es_ES |
dc.source | reponame:Repositorio Institucional UAN | es_ES |
dc.source | instname:Universidad Antonio Nariño | es_ES |
dc.source | reponame:Repositorio Institucional UAN | es_ES |
dc.subject | Aguacate Hass | es_ES |
dc.subject | Plaga Monalonion | es_ES |
dc.subject | Aplicación Android móvil | es_ES |
dc.subject | Visión Artificial | es_ES |
dc.subject | Deep Learning | es_ES |
dc.title | Desarrollo 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, Huila | es_ES |
dc.type | Tesis - Trabajo de grado - Monografia - Pregrado | es_ES |
dc.publisher.program | Ingeniería Electrónica | es_ES |
dc.rights.accesRights | openAccess | es_ES |
dc.subject.keyword | Hass avocado | es_ES |
dc.subject.keyword | Monalonion pest | es_ES |
dc.subject.keyword | Android mobile application | es_ES |
dc.subject.keyword | Artificial Vision | es_ES |
dc.subject.keyword | Deep Learning | es_ES |
dc.type.spa | Trabajo de grado (Pregrado y/o Especialización) | es_ES |
dc.type.hasVersion | info:eu-repo/semantics/acceptedVersion | es_ES |
dc.source.bibliographicCitation | Amazon, 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=*all | es_ES |
dc.source.bibliographicCitation | Apache, Google, & Tensorflow. (2020). Search | TensorFlow Hub. https://tfhub.dev/s?networkarchitecture=efficientdet | es_ES |
dc.source.bibliographicCitation | BBVA. (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.bibliographicCitation | Berger, 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=y | es_ES |
dc.source.bibliographicCitation | Brain, G. (2021). Detección de objetos con Android | TensorFlow Lite. https://www.tensorflow.org/lite/android/tutorials/object_detection | es_ES |
dc.source.bibliographicCitation | Brain Team, G. (2022). Introducción a Android Studio | Desarrolladores de Android | Android Developers. https://developer.android.com/studio/intro?hl=es-419 | es_ES |
dc.source.bibliographicCitation | Bulk Resize Photos - Resize Images. (2022). https://bulkresizephotos.com/en | es_ES |
dc.source.bibliographicCitation | C 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-a07fe6962cf3 | es_ES |
dc.source.bibliographicCitation | Calderon, 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.bibliographicCitation | Calvo, D. (2017). Red Neuronal Convolucional CNN - Diego Calvo. https://www.diegocalvo.es/red-neuronal-convolucional/ | es_ES |
dc.description.degreename | Ingeniero(a) Electrónico(a) | es_ES |
dc.description.degreelevel | Pregrado | es_ES |
dc.publisher.faculty | Facultad de Ingeniería Mecánica, Electrónica y Biomédica | es_ES |
dc.audience | Especializada | es_ES |
dc.description.notes | Presencial | es_ES |
dc.creator.cedula | 20441514074 | es_ES |
dc.publisher.campus | Neiva Buganviles | es_ES |
dc.description.degreetype | Proyecto | es_ES |
Aparece en las colecciones: | Ingeniería electrónica |
Ficheros en este ítem:
Fichero | Tamaño | |
---|---|---|
2022_WilliamRicardoErazoSamboni.pdf | 1.97 MB | Visualizar/Abrir |
2022_WilliamRicardoErazoSamboni _Autorización Restricted Access | 1.63 MB | Visualizar/Abrir Request a copy |
2022_WilliamRicardoErazoSamboni _Acta Restricted Access | 314.08 kB | Visualizar/Abrir Request a copy |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons