Visión por computador para reconocimiento de malezas en cultivos de tomate riñón de invernadero, mediante redes neuronales
Description
Mind Map on Visión por computador para reconocimiento de malezas en cultivos de tomate riñón de invernadero, mediante redes neuronales, created by Pamela Imbaquingo on 13/11/2022.
Visión por computador para
reconocimiento de malezas en
cultivos de tomate riñón de
invernadero, mediante redes
neuronales
De que se trata
• Diseño de un sistema de
reconocimiento de malezas
de tomate riñón de
invernadero mediante redes
neuronales.
• Desarrollar un sistema
de reconocimiento de
visión por computador
mediante redes
neuronales, con la
adquisición de datos
etiquetados con el
software Labellmg.
• Visualizar
resultados en una
pantalla
mediante el uso
de Python
realizando
pruebas de
funcionamiento
con imágenes,
videos guardados
o en tiempo real.
• Entrenar a un
sistema mediante
redes neuronales
convolucionales
utilizando un lenguaje
de programación
Hardware y software que usa
Hardware
El hardware que se
llega a utilizar es el
Raspberry Pi 4 el cual
llega a ser un
procesador de los
mejores que hay al
día de hoy en el
mercado
Raspberry Pi 4 tiene
más RAM, mejorando
su rendimiento en
comparación con los
otros dos dispositivos
Software
Uno de los más importantes
fue el LabelImg el cual su
funcionamiento llega a ser
una herramienta muy
importante que nos permite
anotación gráfica
Python fue importante este
lenguaje de programación
porque con este se pudo llegar
a lograr realizar las pruebas de
funcionamiento
interfaz gráfica basada en QT todo
esto llegando a guardarse en un
archivo XML el cual llega a ser en
formato PASCALVOC, que es el
formato utilizado por ImageNet.
Resultados
La recopilación de datos
inicial utiliza 925
imágenes de alta
resolución, lo que tiene
desventajas en términos
de tamaño de imagen de
salida y aprendizaje
porque el procesamiento
consume más.
Las redes neuronales
ayudan a extraer
características
profundas de una
imagen, en caso se
extrajo las
características de la
maleza Ipomoea.
Permitió ejecutar y
programar en Python un
navegador propio
directo desde nuestro
pc, ya que dispone de
algunas ventajas como:
no requiere de ninguna
configuración, brinda
acceso gratuito a GPUs y
permite compartir
contenido fácilmente.
Métodos de Convolución
Capa conlucional
Se encargaba de
distinguir las
redes neuronales
convolucionales
de cualquier otra
red neuronal,
dispone de una
aplicación para
realizar la
operación de
convolución
Rectificador lineal de
unidad
Tiene como
función la
activación, se
aplica a todos
los elementos
del tensor de
entrada
Sub-muestreo
Reduce el
tamaño de la
próxima capa de
neuronas, de
esta manera se
conserva las
características
más importantes
que detecta cada
filtro con
funciones
Capa
totalmente
conectada
Cada fase tiene tantas
neuronas como el
número de clases que
se quiere predecir,
esta es una red
multicapa jerárquica
que extrae
características en las
capas que tiene
ocultas
Costos y consumo
Raspberry Zero
Costo: $45 Consumo
5v/200 - 350 mA
Raspberry Pi 4
Costo: $89.99
Consumo: 5v/300mA -
1.3A
Raspberry 3 B+
Costo: $54
Estadísticas
• Raspberry Pi 4,
dispone de un
procesador con mejores
características que el
modelo de Raspberry pi
Zero y el Raspberry Pi 3
B+.
• Raspberry Pi 4 dispone de
mayor capacidad de Memoria
RAM mejorando su
rendimiento.
• Raspberry Pi Zero, dispone de un
tamaño reducido a comparación del
modelo Raspberry Pi 3+ y el
Raspberry Pi 4.
• Rasberry Pi 4 cumple
con mejor satisfacción los
requisitos a comparación
del modelo Pi Zero y el
Raspberry pi 3+