Modelo de aprendizaje profundo para la detección de errores en el contenido gráfico de paneles de instrumentos automotrices
| dc.audience.educationlevel | Estudiantes/Students | |
| dc.audience.educationlevel | Maestros/Teachers | |
| dc.audience.educationlevel | Otros/Other | |
| dc.contributor.advisor | Sánchez Ante, Gildardo | |
| dc.contributor.author | Olagues Torres, Héctor Gabriel | |
| dc.contributor.cataloger | emimmayorquin | |
| dc.contributor.department | Escuela de Ingeniería y Ciencias | |
| dc.contributor.institution | Campus Guadalajara | es_MX |
| dc.date.accepted | 2023-10-30 | |
| dc.date.accessioned | 2025-03-06T00:36:38Z | |
| dc.date.issued | 2023-10 | |
| dc.description.abstract | Las pruebas para detectar errores en la interfaz gráfica (para fines prácticos se le llamará pantalla) de paneles de instrumentos automotrices no son de fácil ejecución, ya que se requiere bastante tiempo para analizar las imágenes de video que se recopilan durante la verificación y validación del contenido gráfico, lo cual se debe a que son cientos o hasta miles las posibles combinaciones de imágenes que se pueden desplegar, reduciendo la disponibilidad de tiempo de un Ingeniero de Pruebas Funcionales. Aunque existen dispositivos electrónicos que capturan los fotogramas de una señal de video en forma digital (frame grabbers), el tiempo destinado al análisis es igualmente necesario. Por lo tanto, en este estudio se propone el desarrollo de un procedimiento con un modelo de Aprendizaje Profundo basado en una Red Neuronal Convolucional, que facilite la detección de errores en la pantalla de paneles de instrumentos automotrices del fabricante Stellantis desarrollados en el área de negocio UX de Continental en Guadalajara. Mediante el uso de una metodología cuantitativa con diseño cuasiexperimental, y realizando una recopilación de imágenes con su debido preprocesamiento para la construcción del conjunto de datos de entrada, se pretende entrenar una Red Neuronal Convolucional con regresión logística de cajas envolventes que ayude en la identificación de errores de contenido gráfico en la pantalla, cuyo rendimiento será evaluado a través de métricas de desempeño y herramientas estadísticas básicas, así como con pruebas de predicción en videos de contenido gráfico. Los hallazgos demuestran que se puede aumentar la disponibilidad de tiempo de los Ingenieros de Pruebas Funcionales a través del despliegue de un procedimiento con un modelo de Aprendizaje Profundo basado en una Red Neuronal Convolucional que apoye en la detección de errores en la interfaz gráfica de paneles de instrumentos automotrices del fabricante Stellantis. | es_MX |
| dc.description.degree | Maestría en Ciencias de la Computación | |
| dc.format.medium | Texto | |
| dc.identificator | 330699 | |
| dc.identifier.citation | Olagues Torres, H. G. (2023). Modelo de Aprendizaje Profundo para la detección de errores en el contenido gráfico de Paneles de Instrumentos Automotrices, [Tesis maestría]. Recuperado de: https://hdl.handle.net/11285/703276 | |
| dc.identifier.orcid | 0009-0003-4329-5582 | es_MX |
| dc.identifier.uri | https://hdl.handle.net/11285/703276 | |
| dc.language.iso | spa | es_MX |
| dc.publisher | Instituto Tecnológico y de Estudios Superiores de Monterrey | es_MX |
| dc.relation.isFormatOf | publishedVersion | es_MX |
| dc.rights | openAccess | es_MX |
| dc.rights.uri | http://creativecommons.org/licenses/by/4.0 | es_MX |
| dc.subject.classification | INGENIERÍA Y TECNOLOGÍA::CIENCIAS TECNOLÓGICAS::INGENIERÍA Y TECNOLOGÍA ELÉCTRICAS::OTRAS | |
| dc.subject.keyword | Aprendizaje profundo | |
| dc.subject.keyword | Detección de errores | |
| dc.subject.keyword | Contenido gráfico | |
| dc.subject.keyword | Paneles de instrumentos automotrices | |
| dc.subject.keyword | Redes neuronales convolucionales | |
| dc.subject.keyword | Visión computacional | |
| dc.subject.keyword | Detección de objetos | |
| dc.subject.keyword | Cajas envolventes | |
| dc.subject.keyword | Recorte de imagen | |
| dc.subject.keyword | Regresión logística | |
| dc.subject.keyword | Clasificador de imágenes | |
| dc.subject.lcsh | Technology | |
| dc.title | Modelo de aprendizaje profundo para la detección de errores en el contenido gráfico de paneles de instrumentos automotrices | es_MX |
| dc.type | Trabajo de grado, Licenciatura / bachelor Degree Work | es_MX |
Files
Original bundle
1 - 3 of 3
Loading...
- Name:
- OlaguesTorres_Carta autorizacion.pdf
- Size:
- 81.75 KB
- Format:
- Adobe Portable Document Format
- Description:
- Carta autorización
Loading...
- Name:
- OlaguesTorres_Proteccion de dtos CV.pdf
- Size:
- 159.57 KB
- Format:
- Adobe Portable Document Format
License bundle
1 - 1 of 1
Loading...
- Name:
- license.txt
- Size:
- 1.3 KB
- Format:
- Item-specific license agreed upon to submission
- Description:

