Aprendizaje profundo en la detección y seguimiento de calidad en granjas avícolas de postura

Autores
Juiz, Martín Ariel; Buemi, María Elena
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En las granjas medianas y pequeñas de nuestro país, la selección y separación de los huevos sucios o rotos se realiza de manera manual. A menudo, la estación de control de calidad se sitúa en un punto en la cadena de producción donde convergen cintas transportadoras de huevos provenientes de distintos galpones de postura lo que hace difícil conocer información relevante sobre la calidad y procedencia del huevo.En los últimos años la industria avícola y el ámbito académico han incursionado en la utilización de técnicas de Aprendizaje profundo para lidiarcon este problema. Este trabajo presenta avances preliminares de la aplicación de dos algoritmos de machine learning: YOLO y Deep SORT a videos capturados en las cintas transportadoras que constituyen un data set de elaboración propia. Se identifican ajustes relevantes sobre el hiperparámetro IoU, que permiten eliminar bounding boxes incorrectas.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
Industria avícola
Detección de objetos
Seguimiento de objetos
Yolo
CNN
Deep SORT
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/151739

id SEDICI_28e5838dbd74212bddc21931e3d2bed3
oai_identifier_str oai:sedici.unlp.edu.ar:10915/151739
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Aprendizaje profundo en la detección y seguimiento de calidad en granjas avícolas de posturaJuiz, Martín ArielBuemi, María ElenaCiencias InformáticasIndustria avícolaDetección de objetosSeguimiento de objetosYoloCNNDeep SORTEn las granjas medianas y pequeñas de nuestro país, la selección y separación de los huevos sucios o rotos se realiza de manera manual. A menudo, la estación de control de calidad se sitúa en un punto en la cadena de producción donde convergen cintas transportadoras de huevos provenientes de distintos galpones de postura lo que hace difícil conocer información relevante sobre la calidad y procedencia del huevo.En los últimos años la industria avícola y el ámbito académico han incursionado en la utilización de técnicas de Aprendizaje profundo para lidiarcon este problema. Este trabajo presenta avances preliminares de la aplicación de dos algoritmos de machine learning: YOLO y Deep SORT a videos capturados en las cintas transportadoras que constituyen un data set de elaboración propia. Se identifican ajustes relevantes sobre el hiperparámetro IoU, que permiten eliminar bounding boxes incorrectas.Sociedad Argentina de Informática e Investigación Operativa2022-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf39-43http://sedici.unlp.edu.ar/handle/10915/151739spainfo:eu-repo/semantics/altIdentifier/url/https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/395/332info:eu-repo/semantics/altIdentifier/issn/2451-7496info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:39:07Zoai:sedici.unlp.edu.ar:10915/151739Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:39:07.821SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Aprendizaje profundo en la detección y seguimiento de calidad en granjas avícolas de postura
title Aprendizaje profundo en la detección y seguimiento de calidad en granjas avícolas de postura
spellingShingle Aprendizaje profundo en la detección y seguimiento de calidad en granjas avícolas de postura
Juiz, Martín Ariel
Ciencias Informáticas
Industria avícola
Detección de objetos
Seguimiento de objetos
Yolo
CNN
Deep SORT
title_short Aprendizaje profundo en la detección y seguimiento de calidad en granjas avícolas de postura
title_full Aprendizaje profundo en la detección y seguimiento de calidad en granjas avícolas de postura
title_fullStr Aprendizaje profundo en la detección y seguimiento de calidad en granjas avícolas de postura
title_full_unstemmed Aprendizaje profundo en la detección y seguimiento de calidad en granjas avícolas de postura
title_sort Aprendizaje profundo en la detección y seguimiento de calidad en granjas avícolas de postura
dc.creator.none.fl_str_mv Juiz, Martín Ariel
Buemi, María Elena
author Juiz, Martín Ariel
author_facet Juiz, Martín Ariel
Buemi, María Elena
author_role author
author2 Buemi, María Elena
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
Industria avícola
Detección de objetos
Seguimiento de objetos
Yolo
CNN
Deep SORT
topic Ciencias Informáticas
Industria avícola
Detección de objetos
Seguimiento de objetos
Yolo
CNN
Deep SORT
dc.description.none.fl_txt_mv En las granjas medianas y pequeñas de nuestro país, la selección y separación de los huevos sucios o rotos se realiza de manera manual. A menudo, la estación de control de calidad se sitúa en un punto en la cadena de producción donde convergen cintas transportadoras de huevos provenientes de distintos galpones de postura lo que hace difícil conocer información relevante sobre la calidad y procedencia del huevo.En los últimos años la industria avícola y el ámbito académico han incursionado en la utilización de técnicas de Aprendizaje profundo para lidiarcon este problema. Este trabajo presenta avances preliminares de la aplicación de dos algoritmos de machine learning: YOLO y Deep SORT a videos capturados en las cintas transportadoras que constituyen un data set de elaboración propia. Se identifican ajustes relevantes sobre el hiperparámetro IoU, que permiten eliminar bounding boxes incorrectas.
Sociedad Argentina de Informática e Investigación Operativa
description En las granjas medianas y pequeñas de nuestro país, la selección y separación de los huevos sucios o rotos se realiza de manera manual. A menudo, la estación de control de calidad se sitúa en un punto en la cadena de producción donde convergen cintas transportadoras de huevos provenientes de distintos galpones de postura lo que hace difícil conocer información relevante sobre la calidad y procedencia del huevo.En los últimos años la industria avícola y el ámbito académico han incursionado en la utilización de técnicas de Aprendizaje profundo para lidiarcon este problema. Este trabajo presenta avances preliminares de la aplicación de dos algoritmos de machine learning: YOLO y Deep SORT a videos capturados en las cintas transportadoras que constituyen un data set de elaboración propia. Se identifican ajustes relevantes sobre el hiperparámetro IoU, que permiten eliminar bounding boxes incorrectas.
publishDate 2022
dc.date.none.fl_str_mv 2022-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/151739
url http://sedici.unlp.edu.ar/handle/10915/151739
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/395/332
info:eu-repo/semantics/altIdentifier/issn/2451-7496
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
39-43
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616265740582912
score 13.070432