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
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/151739
Ver los metadatos del registro completo
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 |