Detección de bellotas mediante técnicas de aprendizaje profundo

Abstract

Este trabajo propone una solución a un problema propuesto por una entidad encargada de tareas medioambientales, que desea un mecanismo que sea capaz de forma autónoma de contar y localizar las bellotas existentes en la fotografía de una encina, aplicando técnicas de aprendizaje profundo y visión computarizada. Durante el desarrollo del mismo se explicarán las tecnologías específicas utilizadas, el proceso de desarrollo completo, desde la obtención de los datos necesarios, la limpieza, etiquetado, y entrenamiento de la red neuronal etiquetada, así como el desarrollo de la aplicación final que dará solución a este problema. El desarrollo comenzará con la toma de imágenes que serán categorizadas en función de si éstas poseen bellotas, en caso contrarios serán descartadas. Con las imágenes restantes se utilizarán programas de etiquetado de imágenes con el objetivo de indicar la posición de los diferentes tipos de bellotas, tanto verdes como marrones. Tras clasificar las imágenes se utilizarán librerías y servicios con un gran nivel de computo que permitan, a partir de un modelo de detección de objetos, realizar un entrenamiento con las fotografías etiquetadas. Una vez se ha realizado el proceso anterior, se obtendrá una red neuronal entrenada que permitirá la detección de bellotas en imágenes que no pertenezcan al conjunto del entrenamiento. Para poder detectar las posibles bellotas en una imagen, se creará un servicio web que, haciendo uso de la red neuronal, obtenga la posición de las bellotas, así como su clasificación por color. Todo este proceso puede ayudar a mejorar, no solo la fiabilidad del cómputo de bellotas, sino también en conseguir una mayor rapidez en el recuento, ya que, al ser una tarea tan repetitiva y costosa, es necesario dedicar un gran número de horas para procesar las imágenes de forma manual.