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

• Autores: Parlanti, Tatiana Sofía
• Año de publicación: 2020
• Idioma: español castellano
• Tipo de recurso: tesis de grado
• Colaborador/a o director/a de tesis: Millan, Emmanuel Nicolás; Lobos, Alejandro Martín; Marchetta Fernandez, Martín Gonzalo; Simondi, Sebastián
• Materia: Matemática apicada; Análisis de redes; Tecnología informática
• Institución: Universidad Nacional de Cuyo

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.