Estudio para incorporación de inteligencia artificial en circuitos de transformadores de distribución para análisis de demanda, enlace y análisis de información
Cargando...
Fecha
Autores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Católica de Cuenca.
Resumen
This research focuses on the development of a thermal image prediction model that classifies images according to their degree of thermal degradation severity. The significance of this classification has been highlighted for the early detection of problems and decision-making in several fields.
The methodology used in this study was based on collecting a dataset of thermal images with different degrees of thermal degradation. Image processing techniques were applied, and a deep learning algorithm was used to train and evaluate the prediction model.
The results obtained showed that the developed prediction model was capable of classifying thermal images according to their degree of thermal degradation severity with an acceptable accuracy. A substantial evaluation was observed between the thermal characteristics of the images and the degree of thermal degradation.
In conclusion, this study demonstrated the feasibility of developing a thermal image prediction model for classifying the severity of thermal degradation. However, some limitations were identified, including the need for a more diverse dataset and the exploration of more advanced image processing techniques.
It is recommended to continue research and improve the prediction model, which includes collecting a more extensive and diverse dataset. Furthermore, it is suggested to explore more advanced image processing techniques and consider the integration of other relevant variables to improve the accuracy of the model.
Descripción
El presente trabajo se ha investigado la necesidad de desarrollar un modelo de predicción de imágenes térmicas que permitan clasificar las imágenes según su grado de severidad de degradación térmica. Se ha destacado la importancia de esta clasificación para la detección temprana de problemas y la toma de decisiones en diversos campos.
La metodología utilizada en este estudio se basó en la recopilación de un conjunto de datos de imágenes térmicas con diferentes grados de degradación térmica. Se aplicaron técnicas de procesamiento de imágenes y se utilizó un algoritmo de aprendizaje profundo para entrenar y evaluar el modelo de predicción.
Los resultados obtenidos mostraron que el modelo de predicción desarrollado fue capaz de clasificar imágenes térmicas según su grado de severidad de degradación térmica con una precisión aceptable. Se observará una evaluación significativa entre las características térmicas de las imágenes y el grado de degradación térmica.
En conclusión, este estudio demostró la viabilidad de desarrollar un modelo de predicción de imágenes térmicas para clasificar el grado de severidad de degradación térmica. Sin embargo, se identificaron algunas limitaciones, como la necesidad de un conjunto de datos más diversos y la exploración de técnicas de procesamiento de imágenes más avanzadas.
Se recomienda continuar investigando y mejorando el modelo de predicción, incluyendo la recopilación de un conjunto de datos más amplio y diverso. Además, se sugiere explorar técnicas de procesamiento de imágenes más avanzadas y considerar la integración de otras variables relevantes para mejorar la precisión del modelo.
Palabras clave
TRANSFORMADORES DE DISTRIBUCIÓN, DEGRADACIÓN TÉRMICA, ANÁLISIS TERMOGRÁFICO, RED NEURONAL CONVOLUCIONAL, APRENDIZAJE PROFUNDO
Citación
APA
