Aplicación de la Inteligencia Artificial para la clasificación de minerales en rocas usando láminas delgadas.

dc.contributor.advisorIng. Díaz Campos, Bladimir
dc.contributor.authorQuintanilla Barrera, Balmore Ulises
dc.contributor.authorMartínez Hernández, Sara Sofía
dc.contributor.authorOsorio Guandique, José Antonio
dc.contributor.otherqb03003@ues.edu.sv
dc.contributor.othermh19068@ues.edu.sv
dc.contributor.otherog99016@ues.edu.sv
dc.date.accessioned2026-03-26T20:06:21Z
dc.date.available2026-03-26T20:06:21Z
dc.date.issued2025-12-14
dc.description.abstractEste trabajo presenta un enfoque de procesamiento de imágenes para la clasificación automatizada de minerales a partir de imágenes microscópicas, una tarea importante para aplicaciones geológicas y mineras. El método propuesto emplea la arquitectura ResNet50 dentro de un esquema de transferencia de aprendizaje, optimizada mediante una búsqueda rigurosa de hiperparámetros. El modelo final, entrenado con un tamaño de lote de ocho y una regularización L2 de 1.0×10⁻⁵, obtuvo una pérdida de validación de 0.0447 y una precisión de validación del 98.35% en diez clases de minerales. Estos resultados evidencian una capacidad de generalización superior respecto a los modelos base, posicionando al clasificador propuesto como una herramienta confiable para el análisis de muestras de minerales de rocas ígneas en laboratorio.
dc.identifier.urihttps://hdl.handle.net/20.500.14492/33236
dc.language.isoes
dc.publisherUniversidad de El Salvador. Facultad de Ingeniería y Arquitectura
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internationalen
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectTransferencia de aprendizaje
dc.subjectResNet50
dc.subjectHiperparámetros
dc.titleAplicación de la Inteligencia Artificial para la clasificación de minerales en rocas usando láminas delgadas.
dc.typeThesis

Files

Original bundle
Now showing 1 - 2 of 2
Loading...
Thumbnail Image
Name:
TESIS FINAL.pdf
Size:
1 MB
Format:
Adobe Portable Document Format
Loading...
Thumbnail Image
Name:
Paper_FINAL.pdf
Size:
243.65 KB
Format:
Adobe Portable Document Format