Clasificador de hojas mediante Deep Learning

Galárraga Cañizares, José Luis (2017). Clasificador de hojas mediante Deep Learning. Tesis (Master), E.T.S. de Ingenieros Informáticos (UPM).

Descripción

Título: Clasificador de hojas mediante Deep Learning
Autor/es:
  • Galárraga Cañizares, José Luis
Director/es:
  • Ribeiro Seijas, Ángela
  • Pérez Pérez, Aurora
Tipo de Documento: Tesis (Master)
Título del máster: Software y Sistemas
Fecha: Julio 2017
Materias:
Palabras Clave Informales: Enfermedad en los cultivos; seguridad alimentaria; aprendizaje profundo
Escuela: E.T.S. de Ingenieros Informáticos (UPM)
Departamento: Lenguajes y Sistemas Informáticos e Ingeniería del Software
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (3MB) | Vista Previa

Resumen

Las plagas causan la destrucción de grandes superficies de cultivos, causando en muchos casos enfermedades en las plantas para las que se hace imprescindible el desarrollo de herramientas que ayuden en el diagnóstico preciso del problema. Así la identificación precisa y oportuna de las enfermedades puede ayudar al incremento y la mejora en la calidad de la producción agrícola y garantizar la seguridad alimentaria. En este trabajo se describe la generación de un clasificador de enfermedades en las plantas basado en imágenes, que utiliza un método basado en aprendizaje profundo como algoritmo de clasificación. Este estudio contiene 3 fases elementales. La primera fase es la segmentación de las imágenes cuyo objetivo es aislar las regiones de interés en la imagen. La segunda fase es la búsqueda de los mejores ajustes de los parámetros de configuración del algoritmo de aprendizaje profundo para el entrenamiento de una red neuronal convolucional con 2 especies de cultivos y 13 enfermedades, obteniendo un modelo entrenado con una exactitud del 98,37% para el diagnóstico de las plantas enfermas y sanas. Y finalmente la distribución del modelo en una herramienta de simulación elaborada en Matlab con interfaz gráfica.

Más información

ID de Registro: 47784
Identificador DC: http://oa.upm.es/47784/
Identificador OAI: oai:oa.upm.es:47784
Depositado por: Biblioteca Facultad de Informatica
Depositado el: 15 Sep 2017 11:05
Ultima Modificación: 15 Sep 2017 11:05
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM