Redes neuronales adversarias para el reconocimiento de malezas

Baruffaldi, Juan Manuel

Redes neuronales adversarias para el reconocimiento de malezas

dc.contributor.advisor	Uzal, Lucas
dc.creator	Baruffaldi, Juan Manuel
dc.date.accessioned	2023-07-03T19:26:07Z
dc.date.available	2023-07-03T19:26:07Z
dc.date.issued	2018-02
dc.description.abstract	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 %.	es
dc.description.fil	Universidad Nacional de Rosario. Facultad de Ciencias Exactas, Ingeniería y Agrimensura.Departamento de Ciencias de la Computación	es
dc.description.peerreviewed	Peer reviewed
dc.format	application/pdf
dc.identifier.uri	http://hdl.handle.net/2133/26029
dc.language.iso	spa	es
dc.publisher	Facultad de Ciencias Exactas, Ingeniería y Agrimensura. Universidad Nacional de Rosario	es
dc.rights	openAccess	es
dc.rights.holder	Baruffaldi, Juan Manuel	es
dc.rights.text	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.	es
dc.rights.uri	http://creativecommons.org/licenses/by/2.5/ar/	*
dc.subject	generative adversarial networks	es
dc.subject	red generativa antagónica	es
dc.subject	smart spraying	es
dc.subject	pulverización inteligente	es
dc.subject	deep learning	es
dc.subject	aprendizaje profundo	es
dc.title	Redes neuronales adversarias para el reconocimiento de malezas	es
dc.type	bachelorThesis
dc.type	Tésis de Grado
dc.type	acceptedVersion
dc.type.collection	tesis
dc.type.other	bachelorThesis	es
dc.type.version	acceptedVersion	es

Archivos

Bloque original

Mostrando 1 - 1 de 1

Nombre:: Licenciatura en Ciencias de la Computación. Tesis. Baruffaldi, Juan Manuel_2018.pdf
Tamaño:: 4.06 MB
Formato:: Adobe Portable Document Format
Descripción:

Descargar

Bloque de licencias

Mostrando 1 - 1 de 1

Nombre:: license.txt
Tamaño:: 3.59 KB
Formato:: Item-specific license agreed upon to submission
Descripción:

Descargar

Colecciones

FCEIA-ECEN-DCC- Trabajos Finales de Grado (trabajos finales, proyectos y tesinas)