Identificador persistente para citar o vincular este elemento:
http://hdl.handle.net/10553/103670
Título: | Aplicación del Deep Learning para la correcta clasificación de residuos sólidos orgánicos en origen | Otros títulos: | Application of Deep Learning for the correct classification of organic solid waste at source | Autores/as: | Cerviño Cortínez, Daniel Laureano | Director/a : | Quesada Arencibia, Francisco Alexis Sánchez Medina, Agustín Jesús |
Clasificación UNESCO: | 120317 Informática 5311 Organización y dirección de empresas |
Palabras clave: | Aprendizaje profundo Reconocimiento de patrones Visión artificial Compost Bolsas compostables, et al. |
Fecha de publicación: | 2020 | Resumen: | Este trabajo surge con el objetivo de mejorar la gestión de residuos orgánicos, sólidos y domésticos en origen a través de la clasificación de bolsas compostables y no compostables. Existen personas, ya sea por desconocimiento o mala praxis, que desechan residuos con bolsas que no son compostables, y/o que contienen elementos en su interior que no poseen esta característica. Para solucionar este problema, se ha desarrollado un sistema de visión artificial basado en redes neuronales convolucionales. This work arises with the goal of improving the management of organic, solid and domestic waste at source through the classification of compostable and non-compostable bags. There are people, either due to ignorance or malpractice, who discard waste with bags that are not compostable, and/or that contain elements inside that do not have this characteristic. To solve this problem, an artificial vision system based on convolutional neural networks has been developed. |
Departamento: | Departamento de Informática y Sistemas | Facultad: | Escuela de Ingeniería Informática | Titulación: | Programa de doble titulación: Grado en Ingeniería Informática y Grado en Administración y Dirección de Empresas | URI: | http://hdl.handle.net/10553/103670 |
Colección: | Trabajo final de grado |
En el caso de que no encuentre el documento puede ser debido a que el centro o las/os autoras/es no autorizan su publicación. Si tiene verdadero interés en el contenido del mismo, puede dirigirse al director/a o directores/as del trabajo cuyos datos encontrará más arriba.
Vista completaLos elementos en ULPGC accedaCRIS están protegidos por derechos de autor con todos los derechos reservados, a menos que se indique lo contrario.