Modelo de aprendizaje profundo para la detección de errores en el contenido gráfico de paneles de instrumentos automotrices

dc.audience.educationlevelEstudiantes/Students
dc.audience.educationlevelMaestros/Teachers
dc.audience.educationlevelOtros/Other
dc.contributor.advisorSánchez Ante, Gildardo
dc.contributor.authorOlagues Torres, Héctor Gabriel
dc.contributor.catalogeremimmayorquin
dc.contributor.departmentEscuela de Ingeniería y Ciencias
dc.contributor.institutionCampus Guadalajaraes_MX
dc.date.accepted2023-10-30
dc.date.accessioned2025-03-06T00:36:38Z
dc.date.issued2023-10
dc.description.abstractLas 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.degreeMaestría en Ciencias de la Computación
dc.format.mediumTexto
dc.identificator330699
dc.identifier.citationOlagues 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.orcid0009-0003-4329-5582es_MX
dc.identifier.urihttps://hdl.handle.net/11285/703276
dc.language.isospaes_MX
dc.publisherInstituto Tecnológico y de Estudios Superiores de Monterreyes_MX
dc.relation.isFormatOfpublishedVersiones_MX
dc.rightsopenAccesses_MX
dc.rights.urihttp://creativecommons.org/licenses/by/4.0es_MX
dc.subject.classificationINGENIERÍA Y TECNOLOGÍA::CIENCIAS TECNOLÓGICAS::INGENIERÍA Y TECNOLOGÍA ELÉCTRICAS::OTRAS
dc.subject.keywordAprendizaje profundo
dc.subject.keywordDetección de errores
dc.subject.keywordContenido gráfico
dc.subject.keywordPaneles de instrumentos automotrices
dc.subject.keywordRedes neuronales convolucionales
dc.subject.keywordVisión computacional
dc.subject.keywordDetección de objetos
dc.subject.keywordCajas envolventes
dc.subject.keywordRecorte de imagen
dc.subject.keywordRegresión logística
dc.subject.keywordClasificador de imágenes
dc.subject.lcshTechnology
dc.titleModelo de aprendizaje profundo para la detección de errores en el contenido gráfico de paneles de instrumentos automotriceses_MX
dc.typeTrabajo de grado, Licenciatura / bachelor Degree Workes_MX

Files

Original bundle

Now showing 1 - 3 of 3
Loading...
Thumbnail Image
Name:
OlaguesTorres_Carta autorizacion.pdf
Size:
81.75 KB
Format:
Adobe Portable Document Format
Description:
Carta autorización
Loading...
Thumbnail Image
Name:
OlaguesTorres_Tesis.pdf
Size:
2.63 MB
Format:
Adobe Portable Document Format
Loading...
Thumbnail Image
Name:
OlaguesTorres_Proteccion de dtos CV.pdf
Size:
159.57 KB
Format:
Adobe Portable Document Format

License bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
license.txt
Size:
1.3 KB
Format:
Item-specific license agreed upon to submission
Description:
logo

El usuario tiene la obligación de utilizar los servicios y contenidos proporcionados por la Universidad, en particular, los impresos y recursos electrónicos, de conformidad con la legislación vigente y los principios de buena fe y en general usos aceptados, sin contravenir con su realización el orden público, especialmente, en el caso en que, para el adecuado desempeño de su actividad, necesita reproducir, distribuir, comunicar y/o poner a disposición, fragmentos de obras impresas o susceptibles de estar en formato analógico o digital, ya sea en soporte papel o electrónico. Ley 23/2006, de 7 de julio, por la que se modifica el texto revisado de la Ley de Propiedad Intelectual, aprobado

DSpace software copyright © 2002-2026

Licencia