Desarrollo de un modelo de discriminación de defectos de café, a través del entendimiento de información fisicoquímica y de imágenes en el espectro visual / César Mauricio Gutiérrez Díaz, María Camila Villegas Gómez; Director Joel Girón Hernández, Juan Camilo Sarria González
By: Gutiérrez Díaz, César Mauricio [autor]
.
Contributor(s): Villegas Gómez, María Camila [autor] | Girón Hernández, Lunier Joel [Director] | Sarria González, Juan Camilo [Director].
Neiva: Universidad Surcolombiana, 2021Description: 1 CD-ROM (22 páginas); grabaciones en disco, ilustraciones en general, tablas o cuadros; 12 cm.Content type: texto Media type: computadora Carrier type: disco de la computadoraSubject(s): Café -- Fisicoquímica | Café - Análisis imagenDDC classification: Th IA 370 Dissertation note: Tesis Ingeniero Agrícola Universidad Surcolombiana. Facultad de Ingeniería. Ingeniería Agrícola 2021 Summary: "Eliminar los granos defectuosos en una carga de café verde aumentan la probabilidad de obtener resultados sobresalientes en su respectivo análisis sensorial. La clasificación de los granos generalmente se realiza manualmente mediante inspección visual o utilizando seleccionadoras mecánicas. Estos procedimientos presentan ciertas limitaciones como: subjetividad, confiabilidad intermedia, tiempos de trabajo prolongados e incremento de costos. El objetivo de este trabajo consistió en: i) obtener información fisicoquímica y de imagen en el espectro visual de las muestras de café defectuoso y no defectuoso, ii) evaluar quimio métricamente mediante la información físico-química y digital de las muestras, iii) desarrollar un modelo de discriminación mediante la construcción de una red neuronal convolucional (CNN) utilizándola información del espectro visual obtenido de los granos. Los resultados mostraron que el PCA permitió comprimir la información arrojada por las imágenes explicando el 82.3 % de la variabilidad de las muestras con los nueve primeros componentes, únicamente diferenciando los granos no defectuosos de las categorías de defectos negro y cardenillo. La precisión general de la CNN fue de 92 %, los granos control se detectaron con una precisión del 95% y una recuperación del 100%."
| Item type | Current location | Collection | Call number | Copy number | Status | Date due | Barcode | Item holds |
|---|---|---|---|---|---|---|---|---|
e-Tesis
|
Biblioteca Central | Tesis y Trabajos de Grado | Th IA 370 (Browse shelf) | Ej.1 | Available | 900000022802 | ||
|
e-Tesis
|
Biblioteca Central | Tesis y Trabajos de Grado | Th IA 370 (Browse shelf) | Ej.2 | Available | 900000022803 |
Tesis Ingeniero Agrícola Universidad Surcolombiana. Facultad de Ingeniería. Ingeniería Agrícola 2021
"Eliminar los granos defectuosos en una carga de café verde aumentan la probabilidad de obtener resultados sobresalientes en su respectivo análisis sensorial. La clasificación de los granos generalmente se realiza manualmente mediante inspección visual o utilizando seleccionadoras mecánicas. Estos procedimientos presentan ciertas limitaciones como: subjetividad, confiabilidad intermedia, tiempos de trabajo prolongados e incremento de costos. El objetivo de este trabajo consistió en: i) obtener información fisicoquímica y de imagen en el espectro visual de las muestras de café defectuoso y no defectuoso, ii) evaluar quimio métricamente mediante la información físico-química y digital de las muestras, iii) desarrollar un modelo de discriminación mediante la construcción de una red neuronal convolucional (CNN) utilizándola información del espectro visual obtenido de los granos. Los resultados mostraron que el PCA permitió comprimir la información arrojada por las imágenes explicando el 82.3 % de la variabilidad de las muestras con los nueve primeros componentes, únicamente diferenciando los granos no defectuosos de las categorías de defectos negro y cardenillo. La precisión general de la CNN fue de 92 %, los granos control se detectaron con una precisión del 95% y una recuperación del 100%."
There are no comments for this item.