Machine learning y discriminación de la carne de pulpo (Octopus mimus) y calamar gigante (Dosidicus gigas) usando imágenes hiperespectrales

Simple item page
dc.contributor.advisorCastro Silupu, Wilson Manuel
dc.contributor.authorVera Jimenez, William Daniel
dc.date.accessioned2022-01-27T01:15:18Z
dc.date.available2022-01-27T01:15:18Z
dc.date.embargoEnd2022-01-21
dc.date.issued2022-01-26
dc.description.abstractEl pulpo es altamente susceptible al fraude por sustitución con otros cefalópodos de menor valor comercial, principalmente con calamar gigante, lo cual atenta contra el bienestar y la satisfacción de los consumidores, de modo que, es necesario contar con métodos rápidos, efectivos y de preferencia no invasivos, como la técnica de las imágenes hiperespectrales acopladas a herramientas de machine learning, para detectar esta práctica ilegal. Por tanto; el objetivo de esta investigación fue determinar si existe efecto en la aplicación de la técnica de machine learning sobre la discriminación de la carne de pulpo (Octopus mimus) y calamar gigante (Dosidicus gigas) usando perfiles espectrales. Se recolectaron muestras frescas de ambas especies en el puerto de Paita; se seleccionaron los brazos, por ser la parte de mayor similitud, a los cuales se les despojó la piel y se cortaron en trozos de 1.0 cm de longitud aproximadamente, obteniéndose 300 trozos por especie, divididos equitativamente para obtener muestras frescas, congeladas y cocidas. Las imágenes hiperespectrales se obtuvieron por reflectancia, en el rango espectral de 400-1000 nm., luego se segmentaron las imágenes para obtener los perfiles medios y se probaron modelos de machine learning para evaluar su rendimiento en base a los estadísticos de precisión y medida f-2. Los cálculos se realizaron en el software Matlab 2019a, aplicando 30 repeticiones y validación cruzada (K-fold = 5). Los resultados evidenciaron alto nivel de precisión para los modelos de Análisis Discriminante Lineal (Accuracy 99.9 %, Medida F-2 99.94%) y Maquinas de Vectores de Soporte (Accuracy 99.1 %, Medida F-2 99.06 %). Se concluye que existe efecto en la técnica de machine learning sobre la discriminación de la carne de pulpo y calamar gigante usando perfiles espectrales, con tasas de éxito de hasta 99.9%.es_ES
dc.formatapplication/pdfes_ES
dc.identifier.urihttp://repositorio.unf.edu.pe/handle/UNF/123
dc.language.isospaes_ES
dc.publisherUniversidad Nacional de Fronteraes_ES
dc.publisher.countryPEes_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.sourceUniversidad Nacional de Fronteraes_ES
dc.sourceRepositorio Institucional - UNFes_ES
dc.subjectFraude alimentarioes_ES
dc.subjectcefalópodosES
dc.subjectImágenes hiperespectrales
dc.subjectAprendizaje automáticoES
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#2.11.01es_ES
dc.titleMachine learning y discriminación de la carne de pulpo (Octopus mimus) y calamar gigante (Dosidicus gigas) usando imágenes hiperespectraleses_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
renati.advisor.dni40322327
renati.advisor.orcidhttps://orcid.org/0000-0001-7286-1262es_ES
renati.author.dni45317477
renati.discipline721046es_ES
renati.jurorVallejos More, Leandro Alonsoes_ES
renati.jurorEstrada Lachira, Diego Salvadores_ES
renati.jurorCastro Silupu, Wilson Manueles_ES
renati.levelhttp://purl.org/pe-repo/renati/nivel#tituloProfesionales_ES
renati.typehttp://purl.org/pe-repo/renati/type#tesises_ES
thesis.degree.disciplineIngeniería de Industrias Alimentariases_ES
thesis.degree.grantorUniversidad Nacional de Frontera. Facultad de Ingeniería de Industrias Alimentarias y Biotecnologíaes_ES
thesis.degree.levelTitulo Profesional
thesis.degree.nameIngeniero de Industrias Alimentariases_ES

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
TESIS - Vera Jimenez, William Daniel.pdf
Size:
3.77 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Facultad de Ingeniería de Industrias Alimentarias