Condori Coaquira, Angel RosendoQuispe Valero, Paul Anderson2021-08-122021-08-122020-12-03http://repositorio.upeu.edu.pe/handle/20.500.12840/4658El procesamiento de granos de quinua es complejo además que el análisis físico no genera información para una posterior retro alimentación, y es necesario tener un clasificador de granos, que permita clasificar grano por grano reduciendo el tiempo del análisis y es fundamental tener información acerca del grano de quinua y su clasificación, con la relevancia que está ganando machine learning y uno de sus sub campos deep learning, es posible entrenar modelos de redes neuronales convolucionales que permiten analizar imágenes digitales clasificando los granos de quinua. La presente investigación, utiliza el modelo Inception perteneciente a las redes neuronales convolucionales para analizar imágenes de granos de quinua para poder identificar parámetros basados en la NTP 206.56:2014, brindando un análisis en un corto tiempo creando un banco de información sobre el grano de quinua y su procedencia. Se utiliza la metodología para la ciencia de datos para la implementación de Inception y la abstracción de datos. Para el desarrollo web se emplea la metodología de proceso ágil unificado para analizar, desarrollar e implementar el modelo Inception en la aplicación web. El modelo Inception, clasifica los granos de quinua, mediante una imagen de entrada diferenciando cada grano según sea clasificado usando 7 etiquetas(labels) y está integrado a la aplicación web, como resultado se obtuvo una interfaz de usuario para el uso del modelo computacional y la generación de reportes según la muestra por cada grano de quinua exportado en formato pdf, adicionalmente generando un banco de información para futuros usos.application/pdfspainfo:eu-repo/semantics/openAccessInceptionDeep LearningRedes neuronales convolucionalesProceso ágil unificadoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/pe-repo/ocde/ford#2.02.03