Clasificador de carne de res usando redes neuronales
DOI:
https://doi.org/10.63728/riisds.v3i1.295Palabras clave:
Red Neuronal Artificial, Clasificación de carne de res, Perceptrón Multicapa, Normalización de datosResumen
En el presente trabajo se plantea tener un sistema de clasificación de carne de res, mediante un método inteligente de Redes Neuronales Artificiales (RNA) que permita clasificar basado en la normatividad mexicana NMX-FF-078-SCFI-2002, ademas de tomar en cuenta múltiples factores geográficos y de las características del las reses. La RNA usada se basa en el modelo de Perceptrón Multicapa y busca acercarse a exactitud de los métodos utilizados por los expertos. Esta red se entrenó con datos obtenidos de 673 animales, por lo que las características dadas para el entrenamiento se obtienen de cortes en la carne de diferentes partes de la res, los cuales, dado el método aplicado de normalización a estos datos, se escogieron los más relevantes por lo cual se obtuvo así una Red Neuronal Artificial con un 98.66% de exactitud, valor obtenido al comparar con la opinión de los expertos.
Citas
Almeida, P. F., Alves, W. L., Farias, T. B., & Curvelo Santana, J. C. (2012). Elaboración y Clasificación Sensorial de Gelatinas de Patas de Pollos: Correlación usando Redes Neuronales Artificiales. Información tecnológica, 23(6), 129-136. doi:https://dx.doi.org/10.4067/S0718-07642012000600014
Chauvet, M. (1997). La Ganadería Mexicana frente al fin de siglo. Guadalajara, México: Departamento de Sociología Universidad Autónoma Metropolitana Azcapotzalco.
Fornias, O. V., & Díaz, C. V. (7 de Octubre de 1998). Clasificación de los productos cárnicos. Cubana Aliment Nutr, 18(1), 63-7.
Gallo, C., Caro, M., Villarroel, C., & Araya, P. (1999). Características de los bovinos faenados en la Xa Región (Chile) según las pautas indicadas en las normas oficiales de clasificación y tipificación. . Archivos de medicina veterinaria, 31(1), 81-88. doi:https://dx.doi.org/10.4067/S0301-732X1999000100008
Henríquez, M. R., & Palma, P. A. (2011). Control Automático de Condiciones Ambientales en Domótica usando Redes Neuronales Artificiales. . Información tecnológica, 22(3), 125-139. doi:https://dx.doi.org/10.4067/S0718-07642011000300014
JALISCO, U. D. (2012). AUMENTÓ 89.5% EL CONSUMO DE CARNE POR PERSONA EN. JALISCO. San Pedro Tlaquepaque: Gobierno Federal.
Lora, F., Aricapa, H. J., Pérez, J. E., Arias, L. E., Idarraga, S. E., Mier, D., & Gómez, J. E. (2007). Detección de Toxoplasma gondii en carnes de consumo humano por la técnica de reacción en cadena de la polimerasa en tres ciudades del eje cafetero. Infectio, 11(3), 117-123.
Rosas, P. G., López, J. V., Ripalda, M. H., González, S. H., & Juárez, I. L. (2016). Uso de la red neuronal Perceptrón para detección de cambios pequeños en la media en los gráficos de control. 10th Latin American and Caribbean Conference for Engineering and Technology (págs. 1-10). Panama City: 1 st LACCEI International Symposium on Software Architecture and Patterns.
Soria, L. A., & Corva, P. M. (Mayo-Agosto de 2004). Factores genéticos y ambientales que determinan la terneza de la carne bovina. Archivos Latinoamericanos de Produccion Animal, 12(2), 73-88.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2017 Revista Interdisciplinaria de Ingeniería Sustentable y Desarrollo Social
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
