Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/11531/54817
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorHerraiz Martínez, Francisco Javieres-ES
dc.contributor.authorRivera Rueda, Jorgees-ES
dc.contributor.otherUniversidad Pontificia Comillas, Escuela Técnica Superior de Ingeniería (ICAI)es_ES
dc.date.accessioned2021-03-08T16:45:46Z-
dc.date.available2021-03-08T16:45:46Z-
dc.date.issued2021es_ES
dc.identifier.urihttp://hdl.handle.net/11531/54817-
dc.descriptionMáster Universitario en Ingeniería de Telecomunicaciónes_ES
dc.description.abstractEn los últimos años se han llevado a cabo numerosos trabajos de investigación para conocer la permitividad relativa de los materiales. Estos proyectos se centraban en el desarrollo del sensor o en el desarrollo del sensor y del lector necesario. Lo que se propone en este trabajo es desarrollar un sistema completo, que además del sensor y del lector, sea capaz de clasificar productos y envases de manera automática mediante la aplicación de técnicas y modelos de Machine Learning y de Deep Learning, en base a la medida de la permitividad relativa obtenida con un sensor de metamateriales electromagnéticos. Este sistema se basa en el paradigma de IoT industrial, ya que el lector tiene una dirección IP con la que se hace una conexión de forma remota para obtener las medidas del sensor y enviar la información al ordenador para realizar el procesamiento de los datos y la clasificación de las señales. La aplicación de este sistema es la detección automática de productos o envases en entornos industriales y comerciales, como por ejemplo en supermercados o almacenes, sin necesidad de etiquetas o códigos de barras adicionales. Este documento se centra en la parte correspondiente al clasificador automático, donde se ha realizado todo el procesamiento de los datos para generar las imágenes de las señales y así poder realizar la clasificación mediante BoVW y diferentes Redes Neuronales Convolucionales (CNN). Se ha conseguido una accuracy de casi el 100% en la clasificación de los distintos productos.es-ES
dc.description.abstractIn recent years, numerous research works have been carried out to find out the relative permittivity of materials. These projects were focused on the development of the sensor or the development of the sensor and the required reader. What is proposed in this work is to develop a complete system, which in addition to the sensor and the reader, is capable of classifying products and packaging automatically through the application of Machine Learning and Deep Learning techniques and models, based on the measure of relative permittivity obtained with an electromagnetic metamaterials sensor. This system is based on the industrial IoT paradigm, since the reader has an IP address with which a connection is made remotely to obtain the sensor measurements and send the information to the computer to carry out the data processing and the classification of signals. The application of this system is the automatic detection of products or packaging in industrial and commercial environments, such as supermarkets or warehouses, without the need for additional labels or barcodes. This document focuses on the part corresponding to the automatic classifier, where all the data processing has been carried out to generate the images of the signals and thus be able to perform the classification using BoVW and different Convolutional Neural Networks (CNN). An accuracy of almost 100% has been achieved in the classification of the different products.en-GB
dc.format.mimetypeapplication/pdfes_ES
dc.language.isoes-ESes_ES
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United Stateses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/es_ES
dc.subject.otherM8Aes_ES
dc.titleSistemas de detección y clasificación automática basados en sensores de metamateriales electromagnéticoses_ES
dc.typeinfo:eu-repo/semantics/masterThesises_ES
dc.rights.accessRightsinfo:eu-repo/semantics/closedAccesses_ES
dc.keywordsIoT; Permitividad relativa; CNN, BoVW; Sensor; Lector; Clasificador Automáticoes-ES
dc.keywordsIoT; Relative Permittivity; CNN; BoVW; Sensor; Reader; Automatic Classifieren-GB
Aparece en las colecciones: MBD-Trabajos Fin de Máster

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
PAPER- Rivera Rueda, Jorge.pdfTrabajo Fin de Máster1,08 MBAdobe PDFVista previa
Visualizar/Abrir
Anexo I MBD signed.pdfAutorización50,46 kBAdobe PDFVista previa
Visualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.