Buscar


Mostrar el registro sencillo del ítem

dc.rights.license https://creativecommons.org/licenses/by-nc-nd/4.0 es_ES
dc.contributor Diana Margarita Córdova Esparza es_ES
dc.creator Diana Carmen Rodríguez Lira es_ES
dc.date.accessioned 2025-01-27T16:49:01Z
dc.date.available 2025-01-27T16:49:01Z
dc.date.issued 2025-01-22
dc.identifier.uri https://ri-ng.uaq.mx/handle/123456789/11376
dc.description La agricultura en México desempeña un papel crucial tanto a nivel económico como alimentario y social, contribuyendo significativamente a la economía global y la seguridad alimentaria. México, con su diversidad de climas y suelos, es un productor importante de una amplia variedad de cultivos, abasteciendo tanto al mercado interno como el global. Sin embargo, el mantenimiento de cultivos saludables es esencial para evitar da ˜nos por enfermedades y plagas, que pueden afectar la calidad y rendimiento de los productos. Las técnicas tradicionales de manejo agrícola son ineficientes y consumen muchos recursos, por lo que se buscan soluciones innovadoras. El aprendizaje automático surge como una opción viable para detectar plagas y enfermedades en cultivos, aunque enfrenta desafíos en el procesamiento de imágenes debido a factores como sombras y cambios de iluminación. Este trabajo se enfoca en desarrollar un algoritmo basado en técnicas de procesamiento de imágenes y redes neuronales artificiales para identificar da ˜nos en las hojas del frijol que pueden ser causados por alguna plaga del orden Coleoptera: Coccinellidae y/o Chrysomelidae. Los resultados muestran una precisión de 0.792 para la clase ” sana” y 0.658 para la clase” infectada”. A pesar de que el algoritmo demuestra un desempeño ˜no satisfactorio, se identifican áreas de mejora como el manejo del desequilibrio de clases y la prevención del sobre ajuste. es_ES
dc.format pdf es_ES
dc.format.extent 1 recurso en línea (97 páginas) es_ES
dc.format.medium computadora es_ES
dc.language.iso spa es_ES
dc.publisher Universidad Autonoma de Querétaro es_ES
dc.relation.requires Si es_ES
dc.rights openAccess es_ES
dc.subject Aprendizaje automático es_ES
dc.subject Procesamiento de imágenes es_ES
dc.subject Redes neuronales artificiales es_ES
dc.subject Identificación de plagas en cultivos es_ES
dc.subject.classification INGENIERÍA Y TECNOLOGÍA es_ES
dc.title Desarrollo de un algoritmo basado en machine learning para la identificación de plagas en hojas de frijol es_ES
dc.type Tesis de maestría es_ES
dc.creator.tid ORCID es_ES
dc.contributor.tid ORCID es_ES
dc.creator.identificador 0000-0003-1578-4779 es_ES
dc.contributor.identificador 0000-0002-5657-7752 es_ES
dc.contributor.role Director de tesis es_ES
dc.degree.name Maestría en Ciencias de la Computación es_ES
dc.degree.department Facultad de Informática es_ES
dc.degree.level Maestría es_ES
dc.format.support recurso en línea es_ES
dc.matricula.creator 317969 es_ES
dc.folio IFMAC-317969 es_ES


Ficheros en el ítem

Thumbnail
Nombre: IFMAC-317969.pdf
Tamaño: 2.916Mb
Formato: PDF
Ver/

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

Mostrar el registro sencillo del ítem