Mostrar el registro sencillo del ítem

dc.contributor.advisorGuevara Alburqueque, Laurita Belén
dc.contributor.authorAyala Cabrera, Willians
dc.date.accessioned2025-04-08T15:16:13Z
dc.date.available2025-04-08T15:16:13Z
dc.date.issued2025
dc.identifier.urihttps://hdl.handle.net/20.500.12802/14656
dc.description.abstractEste trabajo de investigación realiza una revisión sistemática de los métodos y tecnologías emergentes para la detección y clasificación automatizada del estado de madurez en frutas, con un enfoque en el uso de inteligencia artificial (IA) y aprendizaje profundo. Se analizan diversas técnicas, como redes neuronales convolucionales (CNN), modelos YOLO, Random Forest y Support Vector Machines (SVM), que han demostrado una precisión superior al 90% en la clasificación de frutas como plátanos, mangos, tomates y duraznos. Los resultados indican que estas tecnologías superan los métodos tradicionales, optimizando la cadena de suministro agrícola y reduciendo el desperdicio. Sin embargo, se identifican desafíos como la variabilidad en los datos de entrenamiento, la necesidad de condiciones controladas y la dificultad de generalización en entornos reales. Además, se destaca la tendencia hacia el desarrollo de modelos más ligeros y eficientes, capaces de ser implementados en dispositivos móviles y sistemas embebidos, lo que facilitaría su adopción en el campo. La integración de visión artificial con sensores adicionales, como espectroscopía y sensores olfativos, también se perfila como una dirección prometedora para mejorar la precisión y fiabilidad de los sistemas de clasificación. La investigación concluye que, aunque estas tecnologías tienen un gran potencial, es necesario abordar limitaciones como la falta de estandarización en los métodos de evaluación y la heterogeneidad en los conjuntos de datos para garantizar su implementación efectiva en la agroindustria.es_PE
dc.description.uriTrabajo de investigaciónes_PE
dc.formatapplication/pdfes_PE
dc.language.isospaes_PE
dc.publisherUniversidad Señor de Sipánes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/*
dc.sourceRepositorio Institucional - USSes_PE
dc.sourceRepositorio Institucional USSes_PE
dc.subjectInteligencia artificiales_PE
dc.subjectRedes neuronales convolucionaleses_PE
dc.subjectAprendizaje profundoes_PE
dc.subjectClasificación de madurezes_PE
dc.subjectAgroindustriaes_PE
dc.titleMétodos y tecnologías emergentes para la detección y clasificación automatizada del estado de madurez en frutas: una revisión sistemáticaes_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
thesis.degree.grantorUniversidad Señor de Sipán. Facultad de Ingeniería, Arquitectura y Urbanismoes_PE
thesis.degree.nameIngeniero de Sistemases_PE
thesis.degree.disciplineIngeniería de Sistemases_PE
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.02.04es_PE
renati.advisor.dni72523571
renati.advisor.orcidhttps://orcid.org/0000-0001-7642-7797es_PE
renati.author.dni75161417
renati.discipline612076es_PE
renati.levelhttps://purl.org/pe-repo/renati/level#bachilleres_PE
renati.typehttps://purl.org/pe-repo/renati/type#trabajoDeInvestigaciones_PE
dc.description.lineadeinvestigacionCiencias de la información como herramientas multidisciplinares y estratégicas en el contexto industrial y de organizacioneses_PE
dc.publisher.countryPEes_PE
dc.description.sublineadeinvestigacionInformática y transformación digital en el contexto industrial y organizacional.es_PE


Ficheros en el ítem

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(es)

Mostrar el registro sencillo del ítem

info:eu-repo/semantics/openAccess
Excepto si se señala otra cosa, la licencia del ítem se describe como info:eu-repo/semantics/openAccess