| dc.contributor | Gálvez Arriaza, Andrés Sebastián | |
| dc.date | 2024 | |
| dc.date.accessioned | 2024-04-30T16:59:10Z | |
| dc.date.available | 2024-04-30T16:59:10Z | |
| dc.identifier | alma:502URL_INST/bibs/992615958007696 | |
| dc.identifier | https://crailandivarlibrary.alma.exlibrisgroup.com/discovery/delivery/502URL_INST:502URL/1298226010007696 | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12032/127550 | |
| dc.description | Este trabajo de graduación fue realizado con el objetivo principal de desarrollar un sistema que pueda medir el nivel de madurez del banano utilizando espectrometría y aprendizaje automático, destinado a la aplicación en la industria guatemalteca. En el capítulo inicial, se proporciona un análisis de la necesidad de una clasificación más eficiente y precisa para los productores y distribuidores de banano. Luego, se discute el desarrollo del modelo de aprendizaje de máquina y la elección del algoritmo Random Forest. Se detalla el proceso de entrenamiento y cómo se obtuvo un rendimiento satisfactorio en términos de precisión, exhaustividad y puntuación F1, teniendo en cuenta las limitaciones presentadas. También se presenta el desarrollo del hardware. A través de un Arduino y diversos componentes electrónicos, se creó un prototipo que incorpora el algoritmo seleccionado y puede clasificar efectivamente las muestras de banano en sus niveles de madurez. Adicionalmente, se analizó el tiempo de desarrollo y los costos asociados del sistema. Con un costo total de ocho mil quinientos ochenta y tres quetzales con ochenta y tres centavos, se concluyó que el sistema es rentable gracias a las mejoras en eficiencia y reducción de pérdidas. | |
| dc.description | Tesis de Grado | |
| dc.description | Tesis Licenciatura (Ingeniería en Informática y Sistemas) URL, Facultad de Ingeniería | |
| dc.description | Modo de acceso: Internet | |
| dc.language | spa | |
| dc.language | Español | |
| dc.language | spa | |
| dc.title | Medidor de la madurez del banano mediante espectrometría multicanal y aprendizaje de máquina para la clasificación de su estado de cosecha. | |
| dc.type | software, multimedia | |
