Tecnológico de Costa Rica
  • How to publish in Repositorio TEC?
  • Policies
  • Educational Resources
  • Contact us
    • español
    • English
  • English 
    • español
    • English
  • Login
View Item 
  •   Repository Home
  • Trabajos de Graduación
  • Campus Tecnológico Local San Carlos
  • Carrera de Ingeniería en Computación
  • Bachillerato en Ingeniería en Computación
  • View Item
  •   Repository Home
  • Trabajos de Graduación
  • Campus Tecnológico Local San Carlos
  • Carrera de Ingeniería en Computación
  • Bachillerato en Ingeniería en Computación
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Browse

All RepositoryCommunities & CollectionsBy Issue DateAuthorsTitlesKeywordEducational Resource TypeIntended UserThis CollectionBy Issue DateAuthorsTitlesKeywordEducational Resource TypeIntended User

My Account

LoginRegister

Statistics

View Usage Statistics

FungiDeTECtor: sistema inteligente de reconocimiento de hongos en plantas de piña del trópico húmedo de Costa Rica

Thumbnail
View/Open
TFSC1669_BIB312636_TFG_COMP_Cortés-Pérez, Warner Francisco_2021.pdf (10.53Mb)
Date
2021
Author
Cortés-Pérez, Warner Francisco
Metadata
Show full item record
Abstract
La detección de objetos es una de las tareas más básicas y centrales de la visión por computadora. Se basa en encontrar todos los objetos interesados en una imagen y determinar la categoría y ubicación de los mismos. En los últimos años, con el desarrollo de las redes neuronales convolucionales (CNN), se han logrado avances importantes en la detección de objetos. El objetivo de esta investigación consiste en construir un modelo capaz de detectar las enfermedades de Fusarium y Phytophthora en las plantas de piña de la zona Huetar Norte. Las redes neuronales de comunicación profunda (CNN) cumplen con la tarea de clasificar las imágenes en diferentes condiciones. En este documento se llevará a cabo la creación de un modelo por medio de plataformas como Tensorflow para realizar el entrenamiento del modelo y clasificar piñas sanas y piñas con alguna de las enfermedades mencionadas anteriormente.
 
Object detection is one of the most basic and central tasks of computer vision. It is based on finding all the objects interested in an image and determining its category and location. In recent years, with the development of convolutional neural networks (CNN), significant advances have been made in object detection. The objective of this research is to build a model capable of detecting Fusarium and Phytophthora disease in pineapple plants from the Huetar Norte area. Neural networks of deep communication (CNN) fulfill the task of classifying the images in different conditions. In this document it will be carried out the creation of a model through platforms such as Tensorflow to carry out model training and classify healthy pineapples and pineapples with Fusarium.
 
Description
Práctica profesional (Bachillerato en Ingeniería en Computación) Instituto Tecnológico de Costa Rica. Carrera de Ingeniería en Computación, 2021.
URI
https://hdl.handle.net/2238/15154
Share
       
Metrics
Collections
  • Bachillerato en Ingeniería en Computación [122]

|Contact us

Repositorio Institucional del Tecnológico de Costa Rica

Sistema de Bibliotecas del TEC | SIBITEC

© DERECHOS RESERVADOS. Un sitio soportado por DSpace(v. 6.3)

RT-1

 

 


|Contact us

Repositorio Institucional del Tecnológico de Costa Rica

Sistema de Bibliotecas del TEC | SIBITEC

© DERECHOS RESERVADOS. Un sitio soportado por DSpace(v. 6.3)

RT-1