Estudio de técnicas de aprendizaje automático en el análisis de imágenes para pronóstico de cosecha

Colaboradores: Millan, Emmanuel Nicolás Director/a; Lobos, Alejandro Martín Co-director/a; Marchetta Fernandez, Martín Gonzalo Integrante del jurado; Simondi, Sebastián Integrante del jurado;

Nombre de la carrera: Licenciatura en Ciencias Básicas con Orientación en Matemática

Institución: Universidad Nacional de Cuyo. Facultad de Ciencias Exactas y Naturales

Título al que opta: Licenciado en Ciencias Básicas con Orientación en Matemática

---

Resumen en Español:

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.

---

Disciplinas:
Matemática - Informática

Descriptores:
MATEMÁTICA APICADA - ANÁLISIS DE REDES - TECNOLOGÍA INFORMÁTICA

Palabras clave:
Redes convolucionales - Redes neuronales - Aprendizaje automático

---

Cómo citar este trabajo: Parlanti, Tatiana Sofía. (2020). Estudio de técnicas de aprendizaje automático en el análisis de imágenes para pronóstico de cosecha: (Tesina de grado). Mendoza, Universidad Nacional de Cuyo. Facultad de Ciencias Exactas y Naturales. Dirección URL del informe: https://bdigital.uncu.edu.ar/16571. Fecha de consulta del artículo: 02/12/24.

Este obra está bajo una Licencia Creative Commons Atribución-NoComercial-CompartirIgual 3.0 Unported.
Conozca más sobre esta licencia >