Mostrar el registro sencillo del ítem

dc.contributor.advisorMachaca Arceda, Vicente Manriquees_ES
dc.contributor.authorManrique Chalco, Walker Fernandoes_ES
dc.date.accessioned2023-06-14T15:37:10Z
dc.date.available2023-06-15T10:00:08Z
dc.date.issued2023-06-14
dc.identifier.citationManrique, W.(2023).Detección y segmentación de peces utilizando técnicas de deep learning. para optar el grado de Ingeniero de la Facultad de Ingeniería de Software. Universidad la Salle, Arequipa, Perú.es_ES
dc.identifier.urihttp://hdl.handle.net/20.500.12953/176
dc.description.abstractEn esta tesis se examina la detección y segmentación de peces con el objetivo de mejorar la crianza de truchas. La crianza de truchas enfrenta desafíos en la identificación y seguimiento preci- so de los peces, lo que dificulta el monitoreo de su crecimiento y salud, ayudando a determinar la abundancia relativa y rastrear los cambios en la población de peces. Para lograr el objetivo, se analizan los modernos algoritmos de detección de objetos basados en deep learning. A partir de este análisis, se han identificado las técnicas que se ajustan mejor a esta investigación, siendo esta YOLOv5 para la detección y U-Net para la segmentación. Dado que para el entrenamiento es necesario una gran cantidad de datos, se utilizaron distintos Datasets públicos y un dataset generado específicamente para esta investigación. Estos conjuntos de datos proporcionaron la diversidad necesaria para entrenar y evaluar los modelos de detección y segmentación de peces de manera más precisa y confiable. También se presenta una herramienta que permitirá usar los modelos presentados desde una termi- nal, haciendo que su uso sea práctico y sencillo, facilitando así su implementación en entornos de crianza de truchas. En conclusión, esta investigación ha demostrado que el uso de los algoritmos de detección YOLOv5 y de segmentación U-Net, junto con la utilización de diversos conjuntos de datos, ha permitido mejorar significativamente la precisión y el rendimiento en la detección y segmentación de peces. Estos avances pueden tener un impacto positivo en la crianza de truchas, al facilitar el monitoreo y seguimiento de los peces de manera más eficiente y confiable.es_ES
dc.description.tableofcontentsPalabras clave v Lista de abreviaturas vIII Índice de figuras IX Índice de cuadros x 1 Introducción 1 1.1 Motivación 1 1.2 Objetivos 1 1.2.1 Objetivo General 1 1.2.2 Objetivos Específicos 1 1.3 Descripción del problema 2 1.4 Contribuciones 2 1.5 Organización del Trabajo 3 2 Marco Conceptual 4 2.1 Machine learning 4 2.1.1 Algoritmos de aprendizaje automático 4 2.1.2 Tipos de aprendizaje 5 2.1.3 Redes neuronales 6 2.1.4 Métricas de evaluación de Algoritmos 7 2.2 Deep learning 8 2.2.1 Deep Neural Networks 9 2.2.2 Convolutional Neural Network 9 2.2.3 Detección de objetos 10 2.2.4 Segmentación de objetos 12 3 Estado del Arte 15 3.1 Detección de peces 15 3.2 Segmentación de peces 16 3.3 Conteo de peces 17 4 Propuesta 19 4.1 Método 19 vI ÍNDICE GENERAL vII 4.1.1 Herramientas 19 4.2 Entrenamiento 19 4.2.1 Confección de dataset 20 4.2.2 Detección 20 4.2.3 Segmentación 21 4.2.4 Conteo 21 4.3 Creación de Herramienta 21 5 Resultados 25 5.1 Preparación de base de datos 25 5.2 Resultados de desempeño 28 5.3 Discusión 30 6 Conclusiones 34 Bibliografíaes_ES
dc.description.uriTesises_ES
dc.formatapplication/pdfes_ES
dc.language.isospaes_ES
dc.publisherUniversidad la Sallees_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/es_ES
dc.subjectDetección de peceses_ES
dc.subjectSegmentación de peceses_ES
dc.subjectAlgortimo de aprendizaje profundoes_ES
dc.subjectYolov5es_ES
dc.subjectU-netes_ES
dc.titleDetección y segmentación de peces utilizando técnicas de deep learninges_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
thesis.degree.nameIngeniero de Softwarees_ES
thesis.degree.grantorUniversidad la Salle. Facultad de Ingeniería de Softwarees_ES
thesis.degree.disciplineIngeniería de Softwarees_ES
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#1.02.01es_ES
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#2.02.06es_ES
renati.advisor.dni29421859es_ES
renati.advisor.orcidhttps://orcid.org/0000-0001-6251-3985es_ES
renati.author.dni70600767es_ES
renati.discipline612236es_ES
renati.jurorPérez Vega, Yassieles_ES
renati.jurorQuiroz Pilco, Maribel Rosarioes_ES
renati.jurorLuque Mamani, Edson Franciscoes_ES
renati.levelhttp://purl.org/pe-repo/renati/nivel#tituloProfesionales_ES
renati.typehttp://purl.org/pe-repo/renati/type#tesises_ES
dc.type.versioninfo:eu-repo/semantics/publishedVersiones_ES
dc.publisher.countryPEes_ES


Ficheros en el ítem

Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

info:eu-repo/semantics/openAccess
Excepto si se señala otra cosa, la licencia del ítem se describe como info:eu-repo/semantics/openAccess