Detección de bellotas mediante técnicas de aprendizaje profundo

DSpace/Manakin Repository

español português english

Detección de bellotas mediante técnicas de aprendizaje profundo

Show simple item record

dc.contributor.advisor Moreno del Pozo, José
dc.contributor.author Antúnez Reino, Alejandro
dc.date.accessioned 2018-10-09T08:30:29Z
dc.date.available 2018-10-09T08:30:29Z
dc.date.issued 2018-10-09
dc.date.submitted 2018-09
dc.identifier.uri http://hdl.handle.net/10662/8003
dc.description.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. es_ES
dc.format.extent 85 p. es_ES
dc.format.mimetype application/pdf en_US
dc.language.iso spa es_ES
dc.rights Atribución-NoComercial-SinDerivadas 3.0 España *
dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/3.0/es/ *
dc.subject Detección es_ES
dc.subject Bellotas es_ES
dc.subject Encinas es_ES
dc.subject Dehesas es_ES
dc.subject Técnicas de aprendizaje profundo es_ES
dc.subject Detection es_ES
dc.subject Acorns es_ES
dc.subject Holm oaks es_ES
dc.subject Deep learning techniques es_ES
dc.title Detección de bellotas mediante técnicas de aprendizaje profundo es_ES
dc.type bachelorThesis es_ES
europeana.type TEXT en_US
dc.rights.accessRights openAccess es_ES
dc.subject.unesco 1203.17 Informática es_ES
dc.subject.unesco 1203.04 Inteligencia Artificial es_ES
dc.subject.unesco 3102 Ingeniería Agrícola es_ES
europeana.dataProvider Universidad de Extremadura. España es_ES
dc.description.degree Grado en Ingeniería Informática en Ingeniería del Software. Universidad de Extremadura es_ES


Files in this item

Files Size Format View
TFGUEX_2018_Antunez_Reino.pdf 27.73Mb PDF Thumbnail

The following license files are associated with this item:

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 3.0 España Except where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 3.0 España

Search DSpace


Browse

My Account

Statistics

Help

Redes sociales