Local cover image
Local cover image

Detección de enfermedades y plagas en cultivos mediante Machine Learning

By: Contributor(s): Material type: TextTextPublication details: 2020Description: 1 archivo (29,1 MB)Subject(s): Online resources:
Contents:
1. Introducción -- 1.1. Motivación -- 1.2. Objetivo -- 1.3. Resultados esperados -- 2. Preliminares -- 2.1. Introducción -- 2.2. Machine Learning -- 2.2.1. Tipos de Aprendizaje -- 2.2.2. Tareas de Visión Artificial -- 2.2.3. Evaluación de un modelo detector de objetos -- 2.2.4. Uso de Machine Learning en la detección de enfermedades y plagas en cultivos -- 2.3. Redes Neuronales Artificiales -- 2.3.1. Funciones de activación -- 2.3.2. Entrenamiento de la Red Neuronal -- 2.4. Redes Neuronales Convolucionales -- 2.4.1. Conceptos previos -- 2.4.2. Arquitectura -- 2.4.3. Capa de Convolución -- 2.4.4. Capa ReLU -- 2.4.5. Capa de Pooling -- 2.4.6. Capa totalmente conectada -- 2.4.7. Entrenamiento de la red -- 3. Solución propuesta -- 3.1. Diseño -- 3.1.1. Armado del dataset de entrenamiento -- 3.1.2. Entrenamiento -- 3.1.3. Deploy del modelo TFLite -- 3.1.4. Uso del modelo en la Aplicación Móvil -- 3.2. Uso de la plataforma para la detección de enfermedades y plagas en cultivos -- 4. Conclusiones -- 5. Trabajos Futuros -- Bibliografía
Dissertation note: Tesina (Licenciatura en Sistemas) - Universidad Nacional de La Plata. Facultad de Informática, 2020.
Star ratings
    Average rating: 0.0 (0 votes)

Tesina (Licenciatura en Sistemas) - Universidad Nacional de La Plata. Facultad de Informática, 2020.

1. Introducción -- 1.1. Motivación -- 1.2. Objetivo -- 1.3. Resultados esperados -- 2. Preliminares -- 2.1. Introducción -- 2.2. Machine Learning -- 2.2.1. Tipos de Aprendizaje -- 2.2.2. Tareas de Visión Artificial -- 2.2.3. Evaluación de un modelo detector de objetos -- 2.2.4. Uso de Machine Learning en la detección de enfermedades y plagas en cultivos -- 2.3. Redes Neuronales Artificiales -- 2.3.1. Funciones de activación -- 2.3.2. Entrenamiento de la Red Neuronal -- 2.4. Redes Neuronales Convolucionales -- 2.4.1. Conceptos previos -- 2.4.2. Arquitectura -- 2.4.3. Capa de Convolución -- 2.4.4. Capa ReLU -- 2.4.5. Capa de Pooling -- 2.4.6. Capa totalmente conectada -- 2.4.7. Entrenamiento de la red -- 3. Solución propuesta -- 3.1. Diseño -- 3.1.1. Armado del dataset de entrenamiento -- 3.1.2. Entrenamiento -- 3.1.3. Deploy del modelo TFLite -- 3.1.4. Uso del modelo en la Aplicación Móvil -- 3.2. Uso de la plataforma para la detección de enfermedades y plagas en cultivos -- 4. Conclusiones -- 5. Trabajos Futuros -- Bibliografía

Click on an image to view it in the image viewer

Local cover image