Year: 2020
Type: dissertation
Abstract: La tarea que ocupa este proyecto es la conocida como detección de objetos en imágenes, que se encuentra hoy en pleno apogeo gracias a la aparición de arquitecturas de redes neuronales que hacen uso de la disciplina conocida como Deep Learning. La detección de objetos es una de las técnicas de Computer Vision que, a su vez, es un área de la subdisciplina de la Informática conocida como Inteligencia Artificial, la cual está cada día presente en la tecnología, gracias al impulso de las grandes multinacionales tecnológicas, que han visto en esta un gran nicho de mercado que puede suponer una auténtica revolución en tan distintos áreas como la agricultura, la estadística, la conducción automática, la videovigilancia o el reconocimiento facial. \nLos objetos que se buscan reconocer en este proyecto son frutos en árboles que se encuentran en distintas fases de maduración. En concreto, se ha dispuesto de un conjunto de imágenes de mandarinos con sus frutos en distintos colores (verde y naranja) en función de la mentada maduración. Para esta labor se ha hecho empleo de distintas arquitecturas de Deep Learning, y de una api de Tensorflow en busca de llevar a cabo la técnica conocida como transferencia de aprendizaje, que consiste en reentrenar modelos ya preentrenados con el fin de reducir costes de tiempo y mejorar los resultados. Con esto se busca poder detectar y señalar mediante cuadros delimitadores, con la máxima precisión posible, todas las mandarinas posibles situadas en estos árboles. \nPara esta labor se creará un dataset propio, haciendo uso de técnicas de anotación y, posteriormente, aumento de datos, para poder así realizar los distintos reentrenamientos cuyos resultados se analizarán apoyándose en las métricas del desafío de evaluación conocido como COCO. \nAdemás, se evaluará la velocidad de inferencia de los modelos de detección empleados probandodistintas unidades de procesamiento, como son las CPUs, las GPUs y el acelerador USB de Intel conocido como VPU Intel® MovidiusTM MyriadTM X, haciendo empleo de la herramienta OpenVINO de Intel.
Author: Torres Alonso, Alejandro
Language: Spanish
Topic: Smart Agriculture and AI
Subfield: Plant Science
Domain: Life Sciences
SDG: Zero hunger
Open Access status: green
OpenAlex ID: W7009091229