Estudio de técnicas de inteligencia artificial y visión por computador para la clasificación de canales de pollos en líneas de producción avícola.

dc.contributor.advisorPimentel Díaz, Carlos Daniel
dc.contributor.authorVera Caballero, Nelson Humberto
dc.contributor.corporatenameUniversidad Santo Tomás
dc.date.accessioned2026-06-25T20:46:50Z
dc.date.available2026-06-25T20:46:50Z
dc.date.issued2026-06-25
dc.descriptionEn el siguiente documento se presenta el desarrollarlo de una monografía teórica analítica, donde se abordaron los fundamentos teóricos de la visión por computador y los algoritmos de inteligencia artificial, tales como: YOLO / CNNs, Reconstrucción 3D + Machine Learning, Transformadores de Visión (Swin-Transformer) y Visión Hiperespectral. Así mismo, se realizaron evaluaciones de rendimiento, análisis y marco comparativos de las técnicas antes descritas, llegando a conclusión que el éxito de la automatización avícola no radica en el desarrollo de un algoritmo de inspección universal, sino en el diseño de arquitecturas industriales híbridas y multimodales.
dc.description.abstractThe following document presents the development of a theoretical-analytical monograph, where the theoretical foundations of computer vision and artificial intelligence algorithms were addressed, such as: YOLO / CNNs, 3D Reconstruction + Machine Learning, Vision Transformers (Swin-Transformer), and Hyperspectral Vision. Likewise, performance evaluations, analyses, and a comparative framework of the aforementioned techniques were carried out, concluding that the success of poultry automation does not lie in the development of a universal inspection algorithm, but in the design of hybrid and multimodal industrial architectures.
dc.description.degreelevelEspecializaciónspa
dc.description.degreenameEspecialista en Automatización Industrialspa
dc.description.domainhttps://www.ustabuca.edu.co/
dc.format.mimetypeapplication/pdf
dc.identifier.citationVera Caballero, N. H. (2026) Estudio de técnicas de inteligencia artificial y visión por computador para la clasificación de canales de pollos en líneas de producción avícola [tesis de posgrado] Universidad Santo Tomás, Bucaramanga, Colombia
dc.identifier.instnameinstname:Universidad Santo Tomásspa
dc.identifier.reponamereponame:Repositorio Institucional Universidad Santo Tomásspa
dc.identifier.repourlrepourl:https://repository.usta.edu.cospa
dc.identifier.urihttp://hdl.handle.net/11634/72820
dc.language.isospa
dc.publisherUniversidad Santo Tomásspa
dc.publisher.branchCRAI-USTA Bucaramanga
dc.publisher.facultyFacultad de Ingeniería Mecatrónicaspa
dc.publisher.programEspecialización Automatización Industrialspa
dc.relation.references[1] E. K. D. R. Oto Haffner, «Applications of Machine Learning and Computer Vision in Industry 4.0,» Applied Sciences, vol. 2431, nº 14(6), p. 10, 2024.
dc.relation.references[2] S. Barbut, «Past and future of poultry meat harvesting technologies,» World’s Poultry Science Journal, vol. 66, nº 3, p. 399–410, 2010.
dc.relation.references[3] N. D. A. D. E. P. Athanasios Voulodimos, «Deep Learning for Computer Vision: A Brief Review,» Computational Intelligence and Neuroscience, vol. 7068349, p. 13, 2018.
dc.relation.references[4] B. Z. L. H. A. M. S. S. L. G. B. J. G. T. R. R. &. D. W. Zhen Jia, «Computer vision classification detection of chicken parts based on optimized Swin-Transformer,» CyTA - Journal of Food, vol. 22, nº 2347480, p. 14, 2024.
dc.relation.references[5] R. Maram, S. Samiappan y S.-C. Yoon, «Detection and Classification of Plastic Contaminants on Chicken Meat using Color and Hyperspectral Imaging,» IEEE, 2024.
dc.relation.references[6] P. Z. A. Z. R. C. H. B. W. Z. Q. F. a. G. C. Tian Hua, «Multi-Scale Feature Fusion and Attention-Enhanced R2U-
dc.relation.references[7] S. T. A. F. F. M. T. K. N. L. Minh Tran, «CarcassFormer: an end-to-end transformer-based framework for simultaneous localization, segmentation and classification of poultry carcass defect.,» Poultry Science, vol. 103, 2024.
dc.relation.references[8] Y. C. L. C. J. Y. K. W. J. B. Z. H. D. F. Zhengwei Zhu, «Predictive method for poultry carcass visceral dimensions using 3D point cloud and Genetic Algorithm-based wavelet neural network,» Poultry Science, vol. 104, 2025.
dc.relation.references[9] M. V. F. K. B. D. J. M. a. C. K. Daniel Einsiedel, «Automated Detection of Quality Deviations in Poultry Processing Using Step-Specific YOLOv12 Models,» Foods, vol. 15, 2026.
dc.relation.references[10] S. V. S. a. N. M. Arash Biabanian, «Assessment of Chicken Meat Quality Through Categorized,» Journal of World’s Poultry Research, 2026.
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.localAbierto (Texto Completo)spa
dc.subject.proposalVisión por computador
dc.subject.proposalInteligencia artificial
dc.subject.proposalAlgoritmos de clasificación
dc.subject.proposalSector avícola
dc.subject.proposalAutomatización industrial
dc.titleEstudio de técnicas de inteligencia artificial y visión por computador para la clasificación de canales de pollos en líneas de producción avícola.
dc.typebachelor thesis
dc.type.categoryFormación de Recurso Humano para la Ctel: Trabajo de grado de Especialización
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.driveinfo:eu-repo/semantics/bachelorThesis
dc.type.localTesis de especializaciónspa
dc.type.versioninfo:eu-repo/semantics/acceptedVersion

Archivos

Bloque original

Mostrando 1 - 3 de 3
Cargando...
Miniatura
Nombre:
2026VeraNelson.pdf
Tamaño:
131.37 KB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Cargando...
Miniatura
Nombre:
2026VeraNelson1.pdf
Tamaño:
133.17 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de facultad
Cargando...
Miniatura
Nombre:
2026VeraNelson2.pdf
Tamaño:
123.55 KB
Formato:
Adobe Portable Document Format
Descripción:
Acuerdo de publicación

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
807 B
Formato:
Item-specific license agreed upon to submission
Descripción: