CERRAR
Este taller ofrece una introducción
a los conceptos fundamentales de Machine Learning aplicados a la espectroscopía
industrial. A lo largo del curso, los participantes adquirirán los conocimientos
básicos necesarios para comprender y aplicar esta tecnología, adaptándola a sus
propias necesidades. Además, se presentarán los conceptos esenciales de la espectroscopía
industrial, incluyendo el hardware disponible y su integración con los algoritmos
tratados en la primera parte del taller. El objetivo principal es mostrar a los
alumnos el gran potencial que la espectroscopía, junto con el Machine Learning,
tiene para optimizar y mejorar los procesos industriales. Para concluir, se presentarán
dos casos de uso reales en los que nuestra empresa está actualmente trabajando.
Objetivos:
- Comprender los fundamentos básicos de Machine Learningy Deep Learning
- Conocer la tecnología de espectroscopia NIR y su aplicación en la clasificación de alimentos en dos casos de estudio práctico.
1.Conceptos básicos de IA y Machine Learning(1h)
1.1 Neurona y Redes neuronales
1.2 Tipos de algoritmos usados
1.3 Deep learning: redes neuronales convolucionales
1.4 Clasificación y regresión
2. EspectrometríaNIR (1h)
2.1 Espectro NIR
2.2 Cámaras multiespectrales vs hiperespectrales y matriciales vs lineales
2.3 Iluminación halógena
2.4 Contenido de sólidos solubles Brix
3. Casos reales (30 min)
3.1 Industria: Reciclaje plásticos (relación tipo de plástico con el NIR)
3.2 Alimentación: Clasificación fruta (relación Brix con el NIR)
3.3 Q& A