Please use this identifier to cite or link to this item: https://repositorio.utn.edu.ec/handle/123456789/17435
Citar este ítem

Full metadata record
DC FieldValueLanguage
dc.contributor.advisorGarcía Santillán, Iván Danilo-
dc.contributor.authorChamorro Pinchao, Anderson Javier-
dc.date.accessioned2025-07-08T16:44:48Z-
dc.date.available2025-07-08T16:44:48Z-
dc.date.created2025-07-01-
dc.date.issued2025-07-08-
dc.identifier.other04/SOF/ 099es_EC
dc.identifier.urihttps://repositorio.utn.edu.ec/handle/123456789/17435-
dc.descriptionIdentificar defectos morfológicos en múltiples granos de café en una misma imagen digital utilizando redes neuronales convolucionales.es_EC
dc.description.abstractEl café y los productos derivados del café forman parte de la alimentación mundial y son también uno de los principales productos de exportación de Imbabura (Ecuador). Los productores y vendedores de café deben asegurarse de que los granos de café que venden son de buena calidad, ya que un solo grano puede presentar varios defectos morfológicos. Sin embargo, seleccionar a mano los granos de buena calidad es un proceso largo, tedioso y laborioso, en el que es fácil cometer errores, ya que las personas se cansan y tienen diferentes formas de clasificar los productos. Utilizando redes neuronales convolucionales modernas, YOLO v11 (variantes Nano y Small), este trabajo tiene como objetivo clasificar automáticamente los granos de café de una imagen según su calidad. Recopilamos 7099 imágenes (512 × 640) y las dividimos en dos grupos según la calidad de los granos: buenos y malos. Los fondos de las imágenes se cambiaron a blanco, gris y negro para que se diferenciaran mejor. Utilizamos una GPU NVIDIA Tesla P100 para entrenar los modelos en Kaggle. YOLO v11 Nano tuvo una precisión de 0,880 y YOLO v11 Small tuvo una precisión de 0,871. Los tiempos de inferencia fueron de 7,89 ms (126,7 fps) y 10,08 ms (99,20 fps), respectivamente. Estos resultados son similares a los descritos en la bibliografía, teniendo en cuenta el problema de la superposición de los granos de café en cada imagen.es_EC
dc.language.isospaes_EC
dc.rightsopenAccesses_EC
dc.rightsAtribución-NoComercial-CompartirIgual 3.0 Ecuador*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/ec/*
dc.subjectSOFTWARE DE COMPUTADORASes_EC
dc.subjectCAFÉes_EC
dc.subjectNEUROTECNOLOGÍAes_EC
dc.titleDetección de defectos morfológicos en múltiples granos de café en una misma imagen utilizando redes neuronales convolucionaleses_EC
dc.typebachelorThesises_EC
dc.description.degreeIngenieríaes_EC
dc.contributor.deparmentSoftwarees_EC
dc.coverageIbarra. Ecuadores_EC
dc.identifier.mfn0000045555es_EC
Appears in Collections:Software

Files in This Item:
File Description SizeFormat 
04 SOF 099 logo.jpgLogo105.98 kBJPEGView/Open
04 SOF 099 TRABAJO GRADO.pdfTrabajo de Grado2.19 MBAdobe PDFView/Open


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons