Diseño e implementación de un controlador basado en reconocimiento de patrones para mejorar el abastecimiento de insumos alimentarios en galpones avícolas.

La presente investigación tuvo como objetivo diseñar e implementar un controlador basado en reconocimiento de patrones, para mejorar el abastecimiento de insumos alimentarios en galpones avícolas. La investigación es cuasi experimental debido a que el ambiente de pruebas es previamente definido, por...

وصف كامل

محفوظ في:
التفاصيل البيبلوغرافية
المؤلف الرئيسي: Sánchez Quispe, Hugo Rolando (author)
التنسيق: masterThesis
اللغة:spa
منشور في: 2018
الموضوعات:
الوصول للمادة أونلاين:https://dspace.espoch.edu.ec/handle/123456789/9233
الوسوم: إضافة وسم
لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!
الوصف
الملخص:La presente investigación tuvo como objetivo diseñar e implementar un controlador basado en reconocimiento de patrones, para mejorar el abastecimiento de insumos alimentarios en galpones avícolas. La investigación es cuasi experimental debido a que el ambiente de pruebas es previamente definido, por tal motivo la investigación es descriptiva y aplicativa, para la recopilación de información se implementó un controlador para una sección de 10 pollos. El mismo utiliza una metodología de visión artificial para la toma de decisiones aplicando lógica difusa, la cual interpreta si hay o no presencia de pollos, la cantidad y tipo de alimento según el tamaño y número de aves utilizando el clasificador de OpenCV. En la comparación de hipótesis utilizando chi-cuadrado se obtuvo un valor del 1,35 lo cual indica que las diferencias no son altamente significativas, sin embargo los beneficios en relación al tiempo y presencia humana en el galpón son notables. Considerando que uno de los puntos más fundamentales en la presente investigación es el reconocimiento de patrones se evaluó el mismo tanto en un ambiente sin seccionar con una precisión del 38,9% y en un ambiente seccionado rigiéndose al manual de AGROCALIDAD versión 2016, con una precisión de reconocimiento del 91,25%, por lo que se recomienda utilizar cámaras, software y hardware de mejores características para un reconocimiento optimo considerando que de este parámetro depende el abastecimiento de los insumos alimentarios en el galpón avícola.