Biblioteca Digital de VanguardiaEstudio de técnicas de aprendizaje automático en el análisis de imágenes para pronóstico de cosecha
En este trabajo se busca incorporar tecnología en el proceso de estimación de cosecha de uva, mediante la captura de imágenes, su pre-procesamiento y etiquetado y su posterior análisis usando algoritmos computacionales de Aprendizaje Automático (AA). Para ello se estudia sobre AA y algoritmos de apr...
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | info:eu-repo/semantics/bachelorThesis |
| Lenguaje: | Español |
| Publicado: |
Universidad Nacional de Cuyo. Facultad de Ciencias Exactas y Naturales
2020
|
| Materias: | |
| Acceso en línea: | http://bdigital.uncu.edu.ar/16571 |
| _version_ | 1782343634430984192 |
|---|---|
| author | Parlanti, Tatiana Sofía |
| author2 | Millan, Emmanuel Nicolás |
| author_facet | Millan, Emmanuel Nicolás Parlanti, Tatiana Sofía |
| author_sort | Parlanti, Tatiana Sofía |
| collection | Repositorio |
| description | En este trabajo se busca incorporar tecnología en el proceso de estimación de cosecha de uva, mediante la captura de imágenes, su pre-procesamiento y etiquetado y su posterior análisis usando algoritmos computacionales de Aprendizaje Automático (AA). Para ello se estudia sobre AA y algoritmos de aprendizaje supervisado, en particular el uso de redes neuronales convolucionales para abordar la tarea de detectar objetos (racimos de uva), en las imágenes capturadas. Se Pone a prueba la red YOLOv3 (por sus siglas en inglés You Only Look Once, que significa "sólo miras una vez") con diferentes conjuntos de fotografías, y se aplicará técnicas de aumento de datos, son usados diferentes valores de hiperparámetros y arquitecturas de hardware, y reportaremos medidas de rendimiento como mAP, exhaustividad y precisión. Se observa por ejemplo que el aplicar distintas técnicas de aumento de datos lleva a un incremento de la exhaustividad de entre el 1 y el 13%, mientras que el incremento al usar diferentes hiperparámetros puede ser de entre un 5 y un 8%. Además se detecta que correctamente un 96,1% de racimos con una precisión del 72,16% para el entrenamiento con mayor número de fotografías. |
| format | info:eu-repo/semantics/bachelorThesis |
| id | uncu-16571 |
| institution | Biblioteca Digital - UNCUYO |
| language | Español |
| publishDate | 2020 |
| publisher | Universidad Nacional de Cuyo. Facultad de Ciencias Exactas y Naturales |
| record_format | ojs |
| spelling | uncu-165712021-08-25T11:14:02Z Estudio de técnicas de aprendizaje automático en el análisis de imágenes para pronóstico de cosecha Parlanti, Tatiana Sofía Matemática apicada Análisis de redes Tecnología informática Millan, Emmanuel Nicolás Lobos, Alejandro Martín Marchetta Fernandez, Martín Gonzalo Simondi, Sebastián En este trabajo se busca incorporar tecnología en el proceso de estimación de cosecha de uva, mediante la captura de imágenes, su pre-procesamiento y etiquetado y su posterior análisis usando algoritmos computacionales de Aprendizaje Automático (AA). Para ello se estudia sobre AA y algoritmos de aprendizaje supervisado, en particular el uso de redes neuronales convolucionales para abordar la tarea de detectar objetos (racimos de uva), en las imágenes capturadas. Se Pone a prueba la red YOLOv3 (por sus siglas en inglés You Only Look Once, que significa "sólo miras una vez") con diferentes conjuntos de fotografías, y se aplicará técnicas de aumento de datos, son usados diferentes valores de hiperparámetros y arquitecturas de hardware, y reportaremos medidas de rendimiento como mAP, exhaustividad y precisión. Se observa por ejemplo que el aplicar distintas técnicas de aumento de datos lleva a un incremento de la exhaustividad de entre el 1 y el 13%, mientras que el incremento al usar diferentes hiperparámetros puede ser de entre un 5 y un 8%. Además se detecta que correctamente un 96,1% de racimos con una precisión del 72,16% para el entrenamiento con mayor número de fotografías. Fil: Parlanti, Tatiana Sofía. Universidad Nacional de Cuyo. Facultad de Ciencias Exactas y Naturales. Universidad Nacional de Cuyo. Facultad de Ciencias Exactas y Naturales 2020-06-06 spa Español info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by/2.5/ar/ info:eu-repo/semantics/bachelorThesis info:ar-repo/semantics/tesis de grado info:eu-repo/semantics/publishedVersion Tesina de grado Universidad Nacional de Cuyo. Facultad de Ciencias Exactas y Naturales Licenciado en Ciencias Básicas con Orientación en Matemática application/pdf http://bdigital.uncu.edu.ar/16571 |
| spellingShingle | Matemática apicada Análisis de redes Tecnología informática Parlanti, Tatiana Sofía Estudio de técnicas de aprendizaje automático en el análisis de imágenes para pronóstico de cosecha |
| title | Estudio de técnicas de aprendizaje automático en el análisis de imágenes para pronóstico de cosecha
|
| title_full | Estudio de técnicas de aprendizaje automático en el análisis de imágenes para pronóstico de cosecha
|
| title_fullStr | Estudio de técnicas de aprendizaje automático en el análisis de imágenes para pronóstico de cosecha
|
| title_full_unstemmed | Estudio de técnicas de aprendizaje automático en el análisis de imágenes para pronóstico de cosecha
|
| title_short | Estudio de técnicas de aprendizaje automático en el análisis de imágenes para pronóstico de cosecha
|
| title_sort | estudio de técnicas de aprendizaje automático en el análisis de imágenes para pronóstico de cosecha |
| topic | Matemática apicada Análisis de redes Tecnología informática |
| url | http://bdigital.uncu.edu.ar/16571 |