2026-05-05T23:01:04Zhttps://uvadoc.uva.es/oai/request

oai:uvadoc.uva.es:10324/504392021-11-21T19:38:11Zcom_10324_38col_10324_852

00925njm 22002777a 4500 dc Trigueros Vega, Andrés author 2021 El objetivo de este Trabajo de Fin de Grado es desarrollar redes neuronales que sean capaces de distinguir imágenes de soldaduras buenas (sin defectos) de imágenes de soldaduras malas (con defectos). Para entrenar las redes ha sido necesario realizar programas que simulen defectos, para lo cual se ha utilizado Python 3.9.5. Para la creación de las redes, se han utilizado tanto anaconda, que es una distribución utilizada en ciencia de datos y machine learning, como colab, que es una herramienta de Google que da acceso gratuito a GPUs. Además, se ha utilizado la librería de python fast.ai, la cual está especializada en deep learning y es la librería que más rápido ha crecido desde su creación en 2017. Por último, se realizará un estudio en el que se identificará la mejor manera de entrenar una red que no es capaz de clasificar correctamente una imagen concreta, en cuanto a tiempo y resultados. Para la realización del proyecto, se ha seguido el marco de trabajo para el desarrollo ágil SCRUM. https://uvadoc.uva.es/handle/10324/50439 Análisis de entrenamiento en deep learning para gestión de calidad en fabricación automática