2025-12-262025-10-29https://hdl.handle.net/20.500.12272/14422La identificación de imágenes en el ámbito industrial se ha vuelto una herramienta esencial para realizar inspecciones visuales rápidas y precisas en la línea de producción. Permite reemplazar el trabajo de las personas en tareas repetitivas, mejorando la calidad del producto y reduciendo costos a largo plazo. El objetivo de este trabajo es proponer un sistema embebido de clasificación de imágenes de objetos tipo industrial, a través de plataformas de hardware sencillo como Raspberry Pi. Estos sistemas son económicos y versátiles, lo que facilita implementar una red neuronal convolucional (CNN) con alta exactitud y eficiencia. Además, se explican las técnicas de aumento de datos aplicadas para incrementar la robustez y la precisión del modelo. El desarrollo se realizó en Python y generó como resultado una gráfica que registra la evolución de la exactitud durante el proceso de entrenamiento y un programa de prueba para comprobar los resultados de la predicción.pdfesAttribution-NonCommercial-NoDerivs 2.5 Argentinahttp://creativecommons.org/licenses/by-nc-nd/2.5/ar/sistema embebidored neuronal convolucionalefficientnetraspberry piinfo:eu-repo/semantics/reportMelani FaulknerLicencia Creative Commons / CC BY-NC (Autoría – No Comercial)