000			03811nam0a22002890i04500
001			UTC-112369
005			20240326112726.0
008			240325s2020####ec#####grm####00####spa#d
082			_aPROYECTO 004 C334ap
100			_aCasa Lema, Mercedes Azucena
245			_aAplicación móvil para clasificación automática de malas hierbas en imágenes usando aprendizaje profundo.
245			_aMercedes Azucena Casa Lema y Jenny Celia Tumbaco Sango.
264			_aEcuador : _aLatacunga : _bUniversidad Técnica de Cotopaxi; Facultad de Ciencias Humanas y Educación; Carrera de Diseño Gráfico _c2020
300			_a69 páginas. ; _c30 cm.
336			_atexto _btxt _2rdacontent
337			_ano mediado _bn _2damedia
338			_avolumen _bnc _2rdacarrier
500			_aIncluye CD-Rom y Anexos.
502			_aProyecto (Ingeniero en Informática y Sistemas Computacionales); Cantuña, Karla ; Dir.
505			_a1. Información básica. 2. Estructura de la propuesta tecnológica. 3. Área de conocimiento. 4. Descripción del problema. 5. Objetivos. 6. Objetivos de estudio y campo de acción. 7. Marco Teórico. 8. Hipótesis. 9. Metodologías. 10. Métodos y técnicas de investigación. 11. Técnicas e instrumentos de investigación. 12. Análisis y discusión de resultados. 13. Impactos.
506			_aLOS PROYECTOS DE INVESTIGACIÓN DE GRADO SON DE USO EXCLUSIVO PARA LA SALA DE LECTURA.
520			_aLas malas hierbas en el campo, son consideradas como un gran problema para los cultivos, causan efectos negativos que rivalizan con las plantas de maíz en su desarrollo quitándoles todos los elementos nutrientes, donde el agricultor utiliza cualquier herbicida para eliminar estas malas hierbas aplicando en todo el cultivo. Por tal razón, se considera importante que este problema se tratado. Una de las soluciones para atenuar esta problemática podría ser mediante el uso de técnicas de aprendizaje profundo que permita obtener una aplicación móvil con información para minimizar o eliminar las malas hierbas en el cultivo de maíz en base al herbicida correcto. La revisión de la literatura permitió determinar estudios similares para la clasificación de malas hierbas en el cultivo a través técnicas empleadas para clasificar de forma automática. Sin embargo, las técnicas propuestas por los investigadores tienen limitados el uso de técnicas de aprendizaje automático. Por consiguiente, se propone un modelo clasificador basado en técnicas de aprendizaje profundo para la clasificación de las malas hierbas en imágenes. Como resultado se obtiene una aplicación móvil desarrollada bajo tecnología de última generación desarrollada para beneficio de los agricultores, Herbario institucional, estudiantes y profesores de áreas relacionadas en la Universidad Técnica de Cotopaxi. La metodología utilizada para el desarrollo del proyecto de investigación fueron las Redes Neuronales Convolucionales, empleando la metodología CRISP-DM que corresponde a la descripción de las fases. Además, se utilizará el lenguaje de programación Android Studio y la plataforma Custum Vision permitiendo emplear algoritmos de aprendizaje, con la biblioteca Tensorflow de código abierto capaz de construir redes neuronales, utilizada para la detección de objetos personas, animales, plantas y lugares. El modelo generado fue evaluado logrando una precisión de 97.8%, un recall de 97.3% y un A.P de 97.8%, permitiendo obtener resultados óptimos en la clasificación de malas hierbas de forma automática.
650			_aCLASIFICACIÓN DE MALAS HIERBAS _aAPRENDIZAJE PROFUNDO _aREDES NEURONALES CONVOLUCIONALES _aCRISP-DM _aTENSORFLOW.
700			_aTumbaco Sango, Jenny Celia
856			_uhttp://repositorio.utc.edu.ec/handle/27000/6698 _yDocumento
942			_2ddc _cTES _n0
999			_c17668 _d17668