Manuel Prieto, JoséLuna Quispe, Shinthia2019-07-152019-07-152019-07-02http://repositorio.upeu.edu.pe/handle/20.500.12840/1945El objetivo de este trabajo de investigación fue desarrollar un dispositivo y un sistema aplicativo de análisis de imágenes de impurezas macroscópicas de quinua. La quinua no procesada fue seleccionada y clasificada, se determinaron humedad y densidad, adquiriendo imágenes de 480 pixeles, se desarrollo patrones para el reconocimiento de imágenes mediante el entrenamiento de redes neuronales convolucionadas. Se construyó un dispositivo mediante el tarjeta arduino 1 con rieles de transporte. Se obtuvieron 4856 imágenes de quinua no procesada; la humedad, densidad aparente y densidad real de las muestras variaron entre de 1.96% a 12.86%, 0.00017 Kg/cm3 a 0.00159 Kg/cm3 de la densidad real 0.0005 Kg/cm3 a 0.00206 Kg/cm3. Las redes neuronales convolusionadas (CNN) aprendieron las imágenes adquiridas y se obtuvo los patrones, por tanto la clasificación tuvo una alta precisión de 91% de quinua amarilla y baja precisión 20% en tallos de quinua, en recall el mejor fue la muestra de muni muni (Bidens pilosa) 99%, la curva ROC demuestra 55 % de confiabilidad de reconocimiento de imágenes, se logró obtener un dispositivo para 5 g de muestra de quinua no procesada, al cual será aplicado para la mejora de control de impurezas y granos defectuosos de la quinua no procesada.application/pdfspainfo:eu-repo/semantics/openAccessQuinuaClasificaciónReconocimiento de imágenesinfo:eu-repo/semantics/bachelorThesishttps://purl.org/pe-repo/ocde/ford#2.11.02