000			nam a22 7a 4500
999			_c46908 _d46908
005			20211105143428.0
008			211104e2021 ck a|||fsm||| 00| 0 spa d
040			_aCO-NeUS _bspa _erda
041			_aspa
100	1		_9149730 _aGutiérrez Díaz, César Mauricio _eaut
245	1	0	_aDesarrollo de un modelo de discriminación de defectos de café, a través del entendimiento de información fisicoquímica y de imágenes en el espectro visual / _cCésar Mauricio Gutiérrez Díaz, María Camila Villegas Gómez; Director Joel Girón Hernández, Juan Camilo Sarria González
256			_aDatos electrónicos (1 archivos:465 MG)
264	1		_aNeiva: _bUniversidad Surcolombiana, _c2021
300			_a1 CD-ROM (22 páginas); _bgrabaciones en disco, ilustraciones en general, tablas o cuadros; _c12 cm
336			_2rdacontent _atxt _btxt
337			_2rdamedia _ac _bcd
338			_2rdacarrier _acd _bcd
347			_2rda _atexto _bpdf
502			_aTesis _bIngeniero Agrícola _cUniversidad Surcolombiana. Facultad de Ingeniería. Ingeniería Agrícola _d2021
520			_a"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%."
700	1		_9149732 _aVillegas Gómez, María Camila _eaut
700	1		_945894 _aGirón Hernández, Lunier Joel, _edrt
700	1		_9139075 _aSarria González, Juan Camilo, _edrt
082	0	4	_221 _aTh IA 370
650		0	_9149733 _aCafé _xFisicoquímica
650		0	_9149734 _aCafé - Análisis imagen
942			_2Local _cCD _hTh IA 370 _kTh