Por favor, use este identificador para citar o enlazar este ítem:
https://ri-ng.uaq.mx/handle/123456789/11294Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.rights.license | https://creativecommons.org/licenses/by-nc-nd/4.0 | es_ES |
| dc.contributor | Jesús Carlos Pedraza Ortega | es_ES |
| dc.creator | Joaquin Omar Castillo Salazar | es_ES |
| dc.date.accessioned | 2024-12-10T17:47:13Z | - |
| dc.date.available | 2024-12-10T17:47:13Z | - |
| dc.date.issued | 2024-10 | - |
| dc.identifier.uri | https://ri-ng.uaq.mx/handle/123456789/11294 | - |
| dc.description | En este trabajo se implementó una variante de la Perfilometría por cambio de fase con franjas de color. Esta técnica, a pesar de ser ampliamente utilizada cuando se necesita realizar una medición o reconstrucción tridimensional con un alto nivel de detalle, presenta dos importantes limitaciones, la primera es respecto al número de franjas que se pueden proyectar y la segunda esta ligada a la complejidad de la superficie a reconstruir. Estas limitaciones originan errores en la etapa conocida como desenvolvimiento de fase. Por lo que en este trabajo se planteó como objetivo principal implementar técnicas de Aprendizaje Profundo para superar estas limitaciones y de esta manera conseguir reconstrucciones más precisas en comparación a los métodos convencionales. En concreto se utilizaron dos métodos, siendo el primero el uso de desenvolvimiento de fase temporal, el cual permite aumentar el número de franjas proyectadas y evitar errores en superficies complejas y el segundo método fue el uso de una Red Generativa Adversarial Condicional, la cual sirvió para corregir errores en la topología de las superficies y como filtrado de las deformaciones inherentes a la técnica de perfilometría por cambio de fase. Los resultados alcanzados fueron positivos, donde el error cuadrático medio de las reconstrucciones obtenidos corresponde a un 10% del error medido de las reconstrucciones obtenidas con el método clásico. | es_ES |
| dc.format | es_ES | |
| dc.format.extent | 1 recurso en línea (79 páginas) | es_ES |
| dc.format.medium | computadora | es_ES |
| dc.language.iso | spa | es_ES |
| dc.publisher | Facultad de Ingenieria | es_ES |
| dc.relation.requires | No | es_ES |
| dc.rights | openAccess | es_ES |
| dc.subject.classification | INGENIERÍA Y TECNOLOGÍA | es_ES |
| dc.title | Recontrucción tridimensional de Objetos usando aprendizaje profundo en permilometría por cambio de fase con franjas de color | es_ES |
| dc.type | Tesis de maestría | es_ES |
| dc.creator.tid | ORCID | es_ES |
| dc.contributor.tid | ORCID | es_ES |
| dc.creator.identificador | 0009-0003-8331-5429 | es_ES |
| dc.contributor.identificador | 0000-0001-5125-8907 | es_ES |
| dc.contributor.role | Director de tesis | es_ES |
| dc.degree.name | Maestría en Ciencias en Inteligencia Artificial | es_ES |
| dc.degree.department | Facultad de Ingeniería | es_ES |
| dc.degree.level | Maestría | es_ES |
| dc.format.support | recurso en línea | es_ES |
| dc.matricula.creator | 317933 | es_ES |
| dc.folio | IGMAC-317933 | es_ES |
| Aparece en: | Maestría en Ciencias en Inteligencia Artificial | |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| IGMAC-317933.pdf | 3.88 MB | Adobe PDF |  Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.
