RT info:eu-repo/semantics/bachelorThesis
T1 Análisis de entrenamiento en deep learning para gestión de calidad en fabricación automática
A1 Trigueros Vega, Andrés
A2 Universidad de Valladolid. Escuela de Ingeniería Informática de Valladolid
K1 Inteligencia artificial
K1 Deep learning
K1 Soldaduras
AB El objetivo de este Trabajo de Fin de Grado es desarrollar redes neuronales que seancapaces de distinguir imágenes de soldaduras buenas (sin defectos) de imágenes desoldaduras 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 distribuciónutilizada en ciencia de datos y machine learning, como colab, que es una herramientade Google que da acceso gratuito a GPUs.Además, se ha utilizado la librería de python fast.ai, la cual está especializada endeep 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 deentrenar 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 desarrolloágil SCRUM.
YR 2021
FD 2021
LK https://uvadoc.uva.es/handle/10324/50439
UL https://uvadoc.uva.es/handle/10324/50439
LA spa
DS UVaDOC
RD 24-nov-2024