http://hdl.handle.net/20.500.12918/85 2026-09-09T22:59:20Z http://hdl.handle.net/20.500.12918/13451 Contabilización de camélidos sudamericanos domésticos mediante visión computacional aplicada a imágenes obtenidas por vehículos aéreos no tripulados Huancara Ccolqque, Alex Helder; Soncco Cachura, David La contabilización de camélidos sudamericanos domésticos en zonas altoandinas, como la llama y la alpaca, presenta limitaciones debido a las condiciones geográficas y depende enteramente de los métodos manuales; además, representan un área poco estudiada. En la presente investigación se propone la implementación de una solución tecnológica basada en modelos de visión computacional para la contabilización automática de dos especies morfológicamente semejantes (llamas y alpacas) utilizando vehículos aéreos no tripulados. Para ello, se implementó una solución tecnológica que integra modelos de detección de objetos, técnicas de seguimiento multiobjeto y una aplicación móvil capaz de procesar video en tiempo real de forma local sin conexión a internet, con persistencia de datos, siguiendo la metodología de desarrollo Cross-Industry Standard Process for Data Mining (CRISP-DM). Los resultados obtenidos evidencian una exactitud promedio superior al 95% en condiciones reales de conteo validados por un especialista en camélidos sudamericanos, así como una reducción en el tiempo de conteo con respecto a los métodos tradicionales. Estos resultados demuestran la viabilidad de aplicación del sistema propuesto, que puede ser una alternativa para la gestión ganadera en zonas remotas. 2026-01-01T00:00:00Z http://hdl.handle.net/20.500.12918/13436 Desarrollo e implementación de un sistema de control de calidad en el proceso de hilado de fibra de alpaca utilizando visión computacional Hancco Champi, Fran Anthony En la región del Cusco, la cadena de valor de la fibra de alpaca enfrenta limitaciones competitivas debido a la falta de estandarización en el control de calidad del hilado artesanal, donde la inspección visual manual resulta subjetiva, lenta y propensa a la fatiga del operario. Frente a esta problemática, la presente investigación tuvo como objetivo principal desarrollar e implementar un sistema automatizado de control de calidad basado en visión computacional para la inspección del hilado artesanal. Metodológicamente, se adoptó un enfoque experimental y aplicado. Se diseñó un entorno de adquisición de imágenes controlado y se consolidó un conjunto de datos propio en colaboración con el CITE Textil Camélidos Cusco, registrando defectos morfológicos como neps y vellosidades. Para el procesamiento e inferencia, se entrenaron y evaluaron modelos de aprendizaje profundo basados en la arquitectura YOLO (You Only Look Once), priorizando una alta precisión de segmentación y tiempos de respuesta aptos para entornos reales de producción. Los resultados demuestran la viabilidad técnica del prototipo implementado, logrando clasificar y localizar anomalías con exactitud en condiciones operativas dinámicas. Se concluye que la integración de visión por computador en procesos tradicionales elimina el error por apreciación visual humana, dotando a los productores cusqueños de una herramienta tecnológica accesible que estandariza la calidad técnica y potencia su competitividad comercial. 2026-01-01T00:00:00Z http://hdl.handle.net/20.500.12918/13433 Sistema de control de calidad de la fibra de alpaca basado en visión computacional para la detección de Neps, homogeneidad y pajillas en el proceso de cardado Mamani Meza, Johana Maria El cardado es una etapa inicial de la transformación textil de la fibra de alpaca: las fibras se abren, individualizan y ordenan en una cinta destinada al hilado, favoreciendo la separación de impurezas. La calidad depende de la distribución uniforme de las fibras y de la presencia de impurezas (pajillas y partículas) e imperfecciones (falta de homogeneidad y neps), pero se controla mediante inspección visual, lo que limita su objetividad y reproducibilidad. El objetivo fue implementar un sistema de visión computacional para identificar impurezas, evaluar imperfecciones de homogeneidad y analizar la viabilidad de detectar neps. El estudio, desarrollado con el CITE Textil Camélidos Cusco, comprendió la adquisición y depuración de imágenes, validación de clases, etiquetado y entrenamiento de modelos. La muestra incluyó 1105 imágenes: 575 para impurezas y 530 para imperfecciones de homogeneidad. Para detectar pajillas y partículas se compararon YOLOv8l, YOLO11s y YOLO26n; YOLO11s obtuvo el mejor desempeño (mAP@0.5 de 0.883, F1 promedio de 0.821). La homogeneidad se evaluó mediante indicadores de intensidad, entropía local, perfil transversal, textura GLCM y variación por bloques, integrados por votación; esta clasificación se contrastó con el criterio experto, mostrando coherencia parcial. Los resultados se integraron en una aplicación móvil con inferencia local para el análisis y diagnóstico. Se concluyó que el sistema es viable para identificar impurezas y evaluar imperfecciones de homogeneidad; la detección de neps no resultó viable por su reducido tamaño y bajo contraste, y requerirá mejores condiciones ópticas y validación instrumental. 2026-01-01T00:00:00Z http://hdl.handle.net/20.500.12918/13385 Visión computacional aplicada a la detección de imperfecciones en mantas de tejido punto elaboradas con fibras de alpaca Silva Guevara, Estefan Pol La industria textil peruana dedicada a productos de fibra de alpaca requiere controles de calidad para identificar imperfecciones en los tejidos. En las mantas de tejido punto, los huecos y puntos corridos se detectan principalmente mediante inspección manual, sujeta a variaciones derivadas del criterio del inspector. Esta investigación tuvo como objetivo implementar un módulo de visión computacional para detectar automáticamente estas imperfecciones. El estudio fue de enfoque cuantitativo y de tipo aplicado. Se construyó un conjunto de datos propio de 549 imágenes, anotadas en formato YOLO y distribuidas en conjuntos de entrenamiento, validación y prueba. Se entrenaron y compararon tres configuraciones de YOLOv5L con distintas estrategias de optimización, función de pérdida y aumento de datos. El Experimento 3, basado en aumento de datos avanzado, obtuvo el mejor desempeño en el conjunto de prueba: precisión de 0,983, recall de 0,966, mAP@50 de 0,990 y mAP@50-95 de 0,675. El modelo seleccionado se integró en un prototipo con cámara en vivo que muestra cuadros delimitadores, clases, niveles de confianza y velocidad de procesamiento. Los resultados evidencian que el módulo permite detectar las imperfecciones estudiadas en un entorno controlado. No obstante, no se evaluaron su desempeño en una línea de producción industrial ni su impacto en los retrabajos, costos y rentabilidad. 2026-01-01T00:00:00Z