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 completa

Google ScholarTM

Verifica


Comparte



Exporta metadatos



Los elementos en ULPGC accedaCRIS están protegidos por derechos de autor con todos los derechos reservados, a menos que se indique lo contrario.