Escuela de Administracion
Permanent URI for this collection
Browse
Recent Submissions
Item Computer vision algorithms for characterizing and classifying agro-exportable grains through size analysis and clustering techniques in Peru's agricultural sector(Universidad Nacional de Cañete, 2026-03-06) Arias Rivas, Betzabeth Abigail; Machaca Mamani, Julio Cesar; Cahuana Lipa, Rocio; Manrique Nugent, Manuel Alberto LuisThe implementation of machine learning and deep learning algorithms has revolutionized quality control processes in the agroindustry, providing precise and efficient solutions for grain classification and evaluation. The use of computer vision, combined with advanced algorithms, enables defect detection, measurement of physical characteristics, and optimization of batch standardization for both domestic and international markets. Objective: To review and analyze the application of ML algorithms in grain classification through digital image processing, comparing their accuracy, efficiency, and processing time to identify the most suitable strategy for productive environments. Materials and Methods: A systematic review was conducted in Scopus, IEEE Xplore, ScienceDirect, and MDPI, considering publications from 2017 to 2024. Inclusion criteria were: use of RGB or hyperspectral images, application of CNN, SVM, K-means, or Random Forest algorithms, and reporting of quantitative metrics. Review articles, studies not applied to grains, or those without experimental validation were excluded. Results and Conclusions: CNN achieved the highest accuracy (≈97%), making it ideal for detailed classification, although it requires high computational resources and longer training times. SVM and Random Forest demonstrated a balance between accuracy (≈91–92%) and efficiency, making them suitable for medium-sized datasets. K-means stood out for its speed and simplicity, although with lower accuracy (≈88%) as it is an unsupervised method. Emerging trends point to the integration of hyperspectral vision, transfer learning, and hybrid approaches to optimize the balance between accuracy, speed, and operational feasibility, thereby enhancing the competitiveness of the agroindustry in global markets.Item Gestión administrativa y calidad de servicio en la notaria Hugo Maximiliano Salas Zúñiga del distrito de Mala – 2022(Universidad Nacional de Cañete, 2023-09-07) Gutierrez Chambergo, Gonzalo Alfredo; Puma Francia, Alexis JahirLa presente investigación fue realizada con el objetivo de determinar la relación que existe entre la Gestión Administrativa y la Calidad de Servicio de la notaría pública ¨Hugo Maximiliano Salas Zúñiga de Cañete del año 2022. El tipo de investigación se realizó con enfoque cuantitativo - aplicado, corresponde al nivel correlacional – descriptivo, y de diseño no experimental – transversal. Se hiso el estudio de la relación que existe entre las variables gestión administrativa y calidad de servicio, con sus respectivas dimensiones, planeación, organización, dirección y control; para las variables gestión administrativa son elementos tangibles, capacidad de respuesta, fiabilidad y empatía. La población estuvo conformada por 60 trabajadores de la notaría Hugo Maximiliano Salas Zúñiga. La muestra se utiliza el muestreo censal la población como muestra, a quienes se le aplicó una encuesta, utilizando como instrumento un cuestionario. Los datos obtenidos fueron procesados y analizados, mediante los programas Excel y el estadístico SPSS versión 26. Para determinar la correlación entre las variables se utilizó el coeficiente de correlación de Spearman obteniendo como resultado: con un P- valor = 0.00, es decir un P < 0.05, que demuestra que la gestión administrativa se relaciona con la calidad de servicio.