Repository logo
Communities & Collections
All of DSpace
  • English
  • Español
Log In
New user? Click here to register. Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Razeto Minoglio, Paula Ignacia"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Results Per Page
  • Sort Options
  • Loading...
    Thumbnail Image
    Thesis
    Desarrollo de un modelo de clasificación de fallas en imágenes de electroluminiscencia basado en arquitectura CNN
    (Universidad Técnica Federico Santa María, 2023) Razeto Minoglio, Paula Ignacia; Cavieres Abarca, Robinson; Departamento de Ingeniería Mecánica; Barraza Vicencio, Rodrigo
    Una de las razones fundamentales que impulsaron la realización de este proyecto de tesis radica en la necesidad de contar con personal especializado para llevar a cabo la clasificación de celdas en la inspección visual y no destructiva de los módulos fotovoltaicos mediante el ensayo de electroluminiscencia. Esto se convierte en un incremento en los costos del tiempo empleado y en los procesos. Por lo que se quiere automatizar la clasificación de celdas. Si bien algunos estudios han explorado la problemática de automatización de clasificación, es todavía escasa la investigación que aborda esta clasificación en multiclases. Por esta razón, se desarrolló un modelo de clasificación de distintos modos de fallas en imágenes de electroluminiscencia basado en redes neuronales convolucionales (CNN). Inicialmente, se desarrolló un algoritmo para segmentar y extraer celdas de imágenes de módulos fotovoltaicos. A continuación, se generó una base de datos a partir de diversas fuentes. Posteriormente, se llevó a cabo un estudio de diferentes arquitecturas de redes neuronales convolucionales utilizando la base de datos generada, con el objetivo de crear un modelo de red neuronal convolucional basado en el mejor rendimiento de estas arquitecturas. Las simulaciones realizadas utilizando el modelo CNN demostraron la efectividad de esta herramienta para predecir la clasificación del estado de la celda. Además, se destaca que dicha herramienta es práctica, sencilla y de fácil comprensión.

UNIVERSIDAD

  • Nuestra Historia
  • Federico Santa María
  • Definiciones Estratégicas
  • Modelo Educativo
  • Organización
  • Información Estadística USM

CAMPUS Y SEDES

  • Información Campus y Sedes
  • Tour Virtual
  • Icono Seguridad Política de Privacidad

EXTENSIÓN Y CULTURA

  • Dirección de Comunicaciones Estratégicas y Extensión Cultural
  • Dirección General de Vinculación con el Medio
  • Dirección de Asuntos Internacionales
  • Alumni
  • Noticias
  • Eventos
  • Radio USM
  • Cultura USM

SERVICIOS

  • Aula USM
  • Biblioteca USM
  • Portal de Autoservicio Institucional
  • Dirección de Tecnologías de la Información
  • Portal de Reportes UDAI
  • Sistema de Información de Gestión Académica
  • Sistema Integrado de Información Argos ERP
  • Sistema de Remuneraciones Históricas
  • Directorio USM
  • Trabaja con nosotros
Acreditación USM
usm.cl
Logo Acceso
Logo Consejo de Rectores
Logo G9
Logo AUR
Logo CRUV
Logo REUNA
Logo Universia

DSpace software copyright © 2002-2025 LYRASIS

  • Privacy policy
  • End User Agreement
  • Send Feedback