Redes neuronales adversarias para el reconocimiento de malezas

Mostrar todas las versiones(2)

Se aborda el problema de reconocimiento de malezas en video para poder realizar una aplicación de herbicidas selectiva de la maleza sobre campo con cultivo de soja. El sistema de reconocimiento propuesto es compatible además con la implementación de técnicas de robótica para remover la maleza con ac...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autor principal:	Baruffaldi, Juan Manuel
Otros Autores:	Uzal, Lucas
Formato:	bachelorThesis Tésis de Grado acceptedVersion
Lenguaje:	Español
Publicado:	Facultad de Ciencias Exactas, Ingeniería y Agrimensura. Universidad Nacional de Rosario 2023
Materias:	generative adversarial networks red generativa antagónica smart spraying pulverización inteligente deep learning aprendizaje profundo
Acceso en línea:	http://hdl.handle.net/2133/26029 http://hdl.handle.net/2133/26029
Aporte de:	Repositorio Hipermedial de la Universidad Nacional de Rosario (UNR) de Universidad Nacional de Rosario

id	I15-R121-2133-26029
record_format	dspace
spelling	I15-R121-2133-260292023-07-03T19:26:07Z Redes neuronales adversarias para el reconocimiento de malezas Baruffaldi, Juan Manuel Uzal, Lucas generative adversarial networks red generativa antagónica smart spraying pulverización inteligente deep learning aprendizaje profundo Se aborda el problema de reconocimiento de malezas en video para poder realizar una aplicación de herbicidas selectiva de la maleza sobre campo con cultivo de soja. El sistema de reconocimiento propuesto es compatible además con la implementación de técnicas de robótica para remover la maleza con actuadores mecánicos sin el uso de agroquímicos. El problema es abordado con técnicas de Deep Learning, donde los datos de entrenamiento son ﬁlmaciones del campo con la presencia de cultivo y maleza. El sistema de visión propuesto está basado en Convolutional Neural Networks (CNN). Se utilizó la técnica de Generative Adversarial Networks (GAN) para hacer un pre-entrenamiento no supervisado del modelo de modo de explotar la gran cantidad de imágenes que se obtienen a partir de secuencias de video. Luego se entrena en forma supervisada con una mínima cantidad de datos etiquetados para especializar el modelo. Se analizan y comparan resultados de distintos métodos utilizados y su aporte en el reconocimiento. Se combinan dos redes discriminantes de Deep Convolutional Generative Adversarial Networks (DCGAN) y se utiliza una Support Vector Machines (SVM) en la última capa de la red entrenada sobre datos etiquetados utilizando Data Augmentation para lograr mayor robustez. Como resultado ﬁnal se obtuvo un precisión sobre el conjunto de test de 91 %. Universidad Nacional de Rosario. Facultad de Ciencias Exactas, Ingeniería y Agrimensura.Departamento de Ciencias de la Computación 2023-07-03T19:26:07Z 2023-07-03T19:26:07Z 2018-02 2023-07-03T19:26:07Z 2023-07-03T19:26:07Z 2018-02 bachelorThesis Tésis de Grado acceptedVersion http://hdl.handle.net/2133/26029 http://hdl.handle.net/2133/26029 spa http://creativecommons.org/licenses/by/2.5/ar/ Baruffaldi, Juan Manuel Reconocimiento – Compartir Igual (by-sa): Se permite el uso comercial de la obra y de las posibles obras derivadas, la distribución de las cuales se debe hacer con una licencia igual a la que regula la obra original. openAccess application/pdf Facultad de Ciencias Exactas, Ingeniería y Agrimensura. Universidad Nacional de Rosario
institution	Universidad Nacional de Rosario
institution_str	I-15
repository_str	R-121
collection	Repositorio Hipermedial de la Universidad Nacional de Rosario (UNR)
language	Español
topic	generative adversarial networks red generativa antagónica smart spraying pulverización inteligente deep learning aprendizaje profundo
spellingShingle	generative adversarial networks red generativa antagónica smart spraying pulverización inteligente deep learning aprendizaje profundo Baruffaldi, Juan Manuel Redes neuronales adversarias para el reconocimiento de malezas
topic_facet	generative adversarial networks red generativa antagónica smart spraying pulverización inteligente deep learning aprendizaje profundo
description	Se aborda el problema de reconocimiento de malezas en video para poder realizar una aplicación de herbicidas selectiva de la maleza sobre campo con cultivo de soja. El sistema de reconocimiento propuesto es compatible además con la implementación de técnicas de robótica para remover la maleza con actuadores mecánicos sin el uso de agroquímicos. El problema es abordado con técnicas de Deep Learning, donde los datos de entrenamiento son ﬁlmaciones del campo con la presencia de cultivo y maleza. El sistema de visión propuesto está basado en Convolutional Neural Networks (CNN). Se utilizó la técnica de Generative Adversarial Networks (GAN) para hacer un pre-entrenamiento no supervisado del modelo de modo de explotar la gran cantidad de imágenes que se obtienen a partir de secuencias de video. Luego se entrena en forma supervisada con una mínima cantidad de datos etiquetados para especializar el modelo. Se analizan y comparan resultados de distintos métodos utilizados y su aporte en el reconocimiento. Se combinan dos redes discriminantes de Deep Convolutional Generative Adversarial Networks (DCGAN) y se utiliza una Support Vector Machines (SVM) en la última capa de la red entrenada sobre datos etiquetados utilizando Data Augmentation para lograr mayor robustez. Como resultado ﬁnal se obtuvo un precisión sobre el conjunto de test de 91 %.
author2	Uzal, Lucas
author_facet	Uzal, Lucas Baruffaldi, Juan Manuel
format	bachelorThesis Tésis de Grado acceptedVersion
author	Baruffaldi, Juan Manuel
author_sort	Baruffaldi, Juan Manuel
title	Redes neuronales adversarias para el reconocimiento de malezas
title_short	Redes neuronales adversarias para el reconocimiento de malezas
title_full	Redes neuronales adversarias para el reconocimiento de malezas
title_fullStr	Redes neuronales adversarias para el reconocimiento de malezas
title_full_unstemmed	Redes neuronales adversarias para el reconocimiento de malezas
title_sort	redes neuronales adversarias para el reconocimiento de malezas
publisher	Facultad de Ciencias Exactas, Ingeniería y Agrimensura. Universidad Nacional de Rosario
publishDate	2023
url	http://hdl.handle.net/2133/26029 http://hdl.handle.net/2133/26029
work_keys_str_mv	AT baruffaldijuanmanuel redesneuronalesadversariasparaelreconocimientodemalezas
_version_	1770714000387997696

Redes neuronales adversarias para el reconocimiento de malezas

Ejemplares similares