Estudio para incorporación de inteligencia artificial en circuitos de transformadores de distribución para análisis de demanda, enlace y análisis de información
El presente trabajo se ha investigado la necesidad de desarrollar un modelo de predicción de imágenes térmicas que permitan clasificar las imágenes según su grado de severidad de degradación térmica. Se ha destacado la importancia de esta clasificación para la detección temprana de problemas y la to...
Պահպանված է:
| Հիմնական հեղինակ: | |
|---|---|
| Ձևաչափ: | bachelorThesis |
| Լեզու: | spa |
| Հրապարակվել է: |
2023
|
| Խորագրեր: | |
| Առցանց հասանելիություն: | https://dspace.ucacue.edu.ec/handle/ucacue/16258 |
| Ցուցիչներ: |
Ավելացրեք ցուցիչ
Չկան պիտակներ, Եղեք առաջինը, ով նշում է այս գրառումը!
|
Ավելացրեք ցուցիչ | Ամփոփում: | El presente trabajo se ha investigado la necesidad de desarrollar un modelo de predicción de imágenes térmicas que permitan clasificar las imágenes según su grado de severidad de degradación térmica. Se ha destacado la importancia de esta clasificación para la detección temprana de problemas y la toma de decisiones en diversos campos. La metodología utilizada en este estudio se basó en la recopilación de un conjunto de datos de imágenes térmicas con diferentes grados de degradación térmica. Se aplicaron técnicas de procesamiento de imágenes y se utilizó un algoritmo de aprendizaje profundo para entrenar y evaluar el modelo de predicción. Los resultados obtenidos mostraron que el modelo de predicción desarrollado fue capaz de clasificar imágenes térmicas según su grado de severidad de degradación térmica con una precisión aceptable. Se observará una evaluación significativa entre las características térmicas de las imágenes y el grado de degradación térmica. En conclusión, este estudio demostró la viabilidad de desarrollar un modelo de predicción de imágenes térmicas para clasificar el grado de severidad de degradación térmica. Sin embargo, se identificaron algunas limitaciones, como la necesidad de un conjunto de datos más diversos y la exploración de técnicas de procesamiento de imágenes más avanzadas. Se recomienda continuar investigando y mejorando el modelo de predicción, incluyendo la recopilación de un conjunto de datos más amplio y diverso. Además, se sugiere explorar técnicas de procesamiento de imágenes más avanzadas y considerar la integración de otras variables relevantes para mejorar la precisión del modelo. |
|---|