Detección de fallas en bajantes de transformadores de distribución, mediante el análisis Deep learning, en imágenes termográficas
Para citar o enlazar este item, por favor use el siguiente identificador:
http://dspace.ups.edu.ec/handle/123456789/21911
Título : | Detección de fallas en bajantes de transformadores de distribución, mediante el análisis Deep learning, en imágenes termográficas |
Autor : | Calle Cadme, Amanda Cecilia |
Director de Tesis: | Peralta Sevilla, Arturo Geovanny |
Resumen traducido: | The present work analyzes the feasibility of applying the Deep Learning analysis to thermography performed on transformers, for this is created a convolutional neural network and another nueral network based on the AlexNet network, which are trained and validated with 5 status levels, with a database of 265 images. |
Resumen : | El presente trabajo analiza la factibilidad de aplicar el análisis Deep Learning a la termografía realizada a transformadores de distribución, para ello se crea una red neuronal de tipo convolucional y otra red neuronal basada en la red AlexNet, mismas que son entrenadas y validadas con 5 niveles de estado, con una base de datos de 265 imágenes. |
Palabras clave : | INGENIERÍA ELÉCTRICA TRANSFORMADORES ELÉCTRICOS APRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL) REDES NEURONALES (COMPUTADORES) TERMOGRAFÍA INFRARROJA ARQUITECTURA DE COMPUTADORES - ALEXNET BASES DE DATOS |
Fecha de publicación : | feb-2022 |
URI : | http://dspace.ups.edu.ec/handle/123456789/21911 |
Idioma: | spa |
Pertenece a las colecciones: | Grado |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
UPS-CT009579.pdf | Texto completo | 4,24 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons