Deep Learning para la detección de defectos de fabricación industrial en sensores de aparcamiento

En el presente Trabajo de Fin de Máster se presentan una serie de arquitecturas de redes neuronales con el objetivo de dar solución al problema de detectar defectos de fabricación en piezas industriales, tales como sensores de aparcamiento. De esta manera, a lo largo del trabajo se introducirá el es...

Descripción completa

Detalles Bibliográficos
Autor: Rueda Huélamo, Jesús
Tipo de recurso: tesis de maestría
Fecha de publicación:2022
País:España
Institución:Universidad Complutense de Madrid (UCM)
Repositorio:Docta Complutense
Idioma:español
OAI Identifier:oai:docta.ucm.es:20.500.14352/73959
Acceso en línea:https://hdl.handle.net/20.500.14352/73959
Access Level:acceso abierto
Palabra clave:004(043.3)
USS6
Redes neuronales convolucionales (CNN)
Arquitectura
Imagen
Detección
Defecto.
Convolutional neural networks (CNN)
Architecture
Image
Detection
Anomaly
Informática (Informática)
1203.17 Informática
id ES_f91da2f77ce6a59ea2a3255c011b8b01
oai_identifier_str oai:docta.ucm.es:20.500.14352/73959
network_acronym_str ES
network_name_str España
repository_id_str
spelling Deep Learning para la detección de defectos de fabricación industrial en sensores de aparcamientoDeep Learning for the detection of industrial manufacturing defects in parking sensorsRueda Huélamo, Jesús004(043.3)USS6Redes neuronales convolucionales (CNN)ArquitecturaImagenDetecciónDefecto.Convolutional neural networks (CNN)ArchitectureImageDetectionAnomalyInformática (Informática)1203.17 InformáticaEn el presente Trabajo de Fin de Máster se presentan una serie de arquitecturas de redes neuronales con el objetivo de dar solución al problema de detectar defectos de fabricación en piezas industriales, tales como sensores de aparcamiento. De esta manera, a lo largo del trabajo se introducirá el estado del arte de la visión artificial actual acompañándolo con las correspondientes explicaciones teóricas acerca de los algoritmos usados dentro del contexto del Deep Learning. A continuación, se hará hincapié en el recorrido que se ha seguido durante el ciclo de vida entero del proyecto para, posteriormente, exponer los resultados obtenidos como consecuencia de probar los algoritmos introducidos sobre el conjunto de datos inicial, el cual se habrá presentado con anterioridad, y terminar así extrayendo unas conclusiones finales de estos.Recio García, Juan AntonioHerrera Martínez (Col.), JesúsUniversidad Complutense de Madrid20222022-09-0120222022-09-01master thesishttp://purl.org/coar/resource_type/c_bdccinfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/20.500.14352/73959reponame:Docta Complutenseinstname:Universidad Complutense de Madrid (UCM)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2Atribución-NoComercial 3.0 Españahttps://creativecommons.org/licenses/by-nc/3.0/es/info:eu-repo/semantics/openAccessoai:docta.ucm.es:20.500.14352/739592026-06-02T12:44:21Z
dc.title.none.fl_str_mv Deep Learning para la detección de defectos de fabricación industrial en sensores de aparcamiento
Deep Learning for the detection of industrial manufacturing defects in parking sensors
title Deep Learning para la detección de defectos de fabricación industrial en sensores de aparcamiento
spellingShingle Deep Learning para la detección de defectos de fabricación industrial en sensores de aparcamiento
Rueda Huélamo, Jesús
004(043.3)
USS6
Redes neuronales convolucionales (CNN)
Arquitectura
Imagen
Detección
Defecto.
Convolutional neural networks (CNN)
Architecture
Image
Detection
Anomaly
Informática (Informática)
1203.17 Informática
title_short Deep Learning para la detección de defectos de fabricación industrial en sensores de aparcamiento
title_full Deep Learning para la detección de defectos de fabricación industrial en sensores de aparcamiento
title_fullStr Deep Learning para la detección de defectos de fabricación industrial en sensores de aparcamiento
title_full_unstemmed Deep Learning para la detección de defectos de fabricación industrial en sensores de aparcamiento
title_sort Deep Learning para la detección de defectos de fabricación industrial en sensores de aparcamiento
dc.creator.none.fl_str_mv Rueda Huélamo, Jesús
author Rueda Huélamo, Jesús
author_facet Rueda Huélamo, Jesús
author_role author
dc.contributor.none.fl_str_mv Recio García, Juan Antonio
Herrera Martínez (Col.), Jesús
Universidad Complutense de Madrid
dc.subject.none.fl_str_mv 004(043.3)
USS6
Redes neuronales convolucionales (CNN)
Arquitectura
Imagen
Detección
Defecto.
Convolutional neural networks (CNN)
Architecture
Image
Detection
Anomaly
Informática (Informática)
1203.17 Informática
topic 004(043.3)
USS6
Redes neuronales convolucionales (CNN)
Arquitectura
Imagen
Detección
Defecto.
Convolutional neural networks (CNN)
Architecture
Image
Detection
Anomaly
Informática (Informática)
1203.17 Informática
description En el presente Trabajo de Fin de Máster se presentan una serie de arquitecturas de redes neuronales con el objetivo de dar solución al problema de detectar defectos de fabricación en piezas industriales, tales como sensores de aparcamiento. De esta manera, a lo largo del trabajo se introducirá el estado del arte de la visión artificial actual acompañándolo con las correspondientes explicaciones teóricas acerca de los algoritmos usados dentro del contexto del Deep Learning. A continuación, se hará hincapié en el recorrido que se ha seguido durante el ciclo de vida entero del proyecto para, posteriormente, exponer los resultados obtenidos como consecuencia de probar los algoritmos introducidos sobre el conjunto de datos inicial, el cual se habrá presentado con anterioridad, y terminar así extrayendo unas conclusiones finales de estos.
publishDate 2022
dc.date.none.fl_str_mv 2022
2022-09-01
2022
2022-09-01
dc.type.none.fl_str_mv master thesis
http://purl.org/coar/resource_type/c_bdcc
dc.type.openaire.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.14352/73959
url https://hdl.handle.net/20.500.14352/73959
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
Atribución-NoComercial 3.0 España
https://creativecommons.org/licenses/by-nc/3.0/es/
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
Atribución-NoComercial 3.0 España
https://creativecommons.org/licenses/by-nc/3.0/es/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Docta Complutense
instname:Universidad Complutense de Madrid (UCM)
instname_str Universidad Complutense de Madrid (UCM)
reponame_str Docta Complutense
collection Docta Complutense
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869425064940666880
score 15,300719

Similares en LA Referencia