Clasificación de Mariposas por Modelos de Color HSI y RGB Usando Redes Neuronales

Este estudio aborda la clasificación de especies de mariposas mediante la implementación de Redes Neuronales Artificiales y el procesamiento de imágenes. Se procesan imágenes de un total de 9 especies de mariposas del género Morpho el cual tiene el azul como color característico. Para realizar la se...

Full description

Autores:
Grajales-Múnera, Jorge E.
Restrepo-Martinez, Alejandro
Tipo de recurso:
Article of journal
Fecha de publicación:
2013
Institución:
Instituto Tecnológico Metropolitano
Repositorio:
Repositorio ITM
Idioma:
spa
OAI Identifier:
oai:repositorio.itm.edu.co:20.500.12622/690
Acceso en línea:
https://revistas.itm.edu.co/index.php/tecnologicas/article/view/324
http://hdl.handle.net/20.500.12622/690
Palabra clave:
Perceptrón
back-propagation
mariposa
redes neuronales
análisis del color
Perceptron
back-propagation
neural networks
butterfly
color analysis
Rights
License
Copyright (c) 2017 Tecno Lógicas
id RepoITM2_44f06aac1a9eb00621707d7ecf291c27
oai_identifier_str oai:repositorio.itm.edu.co:20.500.12622/690
network_acronym_str RepoITM2
network_name_str Repositorio ITM
repository_id_str
spelling Grajales-Múnera, Jorge E.Restrepo-Martinez, Alejandro2019-07-18T14:11:19Z2019-08-13T15:47:17Z2019-07-18T14:11:19Z2019-08-13T15:47:17Z2013-11-19https://revistas.itm.edu.co/index.php/tecnologicas/article/view/32410.22430/22565337.324http://hdl.handle.net/20.500.12622/690Este estudio aborda la clasificación de especies de mariposas mediante la implementación de Redes Neuronales Artificiales y el procesamiento de imágenes. Se procesan imágenes de un total de 9 especies de mariposas del género Morpho el cual tiene el azul como color característico. Para realizar la segmentación de la mariposa se usan herramientas de procesamiento de imágenes tales como: binarización, filtrado de bordes y morfología matemática. Para el procesamiento de los datos se obtienen los datos RGB de cada imagen que se llevan al modelo de color HSI con el objetivo de identificar los pixeles que son de color azul y de obtener los datos para realizar el procesamiento en las Redes Neuronales propuestas: Back-propagation y perceptrón. Para la verificación y análisis de resultados se construyen matrices de confusión, se analizan y se toman los resultados de las redes neuronales que muestren los niveles de error más bajos. Se logra llegar a un nivel de error cercano al 1% en la clasificación en algunas especies de mariposas.This study aims the classification of Butterfly species through the implementation of Neural Networks and Image Processing. A total of 9 species of Morpho genre which has blue as a characteristic color are processed. For Butterfly segmentation we used image processing tools such as: Binarization, edge processing and mathematical morphology. For data processing RGB values are obtained for every image which are converted to HSI color model to identify blue pixels and obtain the data to the proposed Neural Networks: Back-Propagation and Perceptron. For analysis and verification of results confusion matrix are built and analyzed with the results of neural networks with the lowest error levels. We obtain error levels close to 1% in classification of some Butterfly species.application/pdfspaInstituto Tecnológico Metropolitano (ITM)https://revistas.itm.edu.co/index.php/tecnologicas/article/view/324/330TecnoLógicasCopyright (c) 2017 Tecno Lógicashttp://purl.org/coar/access_right/c_abf22256-53370123-7799TecnoLógicas; Special edition (2013); 669-679TecnoLógicas; Edición Especial (2013); 669-679Perceptrónback-propagationmariposaredes neuronalesanálisis del colorPerceptronback-propagationneural networksbutterflycolor analysisClasificación de Mariposas por Modelos de Color HSI y RGB Usando Redes NeuronalesButterfly Classification by HSI and RGB Color Models Using Neural Networksinfo:eu-repo/semantics/articleComputer's sciencehttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/version/c_970fb48d4fbd8a85PublicationORIGINAL324-Manuscrito-490-1-10-20170217.pdf324-Manuscrito-490-1-10-20170217.pdfapplication/pdf616097https://dspace-itm.metabuscador.org/bitstreams/3205c82a-9c21-4c3e-a6a2-1d0075d2c50f/download91293126672ce18ae2501da7619b865aMD51trueAnonymousREADTHUMBNAIL324-Manuscrito-490-1-10-20170217.pdf.jpg324-Manuscrito-490-1-10-20170217.pdf.jpgGenerated Thumbnailimage/jpeg4448https://dspace-itm.metabuscador.org/bitstreams/5e01a26f-81d0-44ff-83f0-50b9c169c468/download971ae243cf98e3b8bee8e0bfed06c0a2MD52falseAnonymousREADTEXT324-Manuscrito-490-1-10-20170217.pdf.txt324-Manuscrito-490-1-10-20170217.pdf.txtExtracted texttext/plain19480https://dspace-itm.metabuscador.org/bitstreams/2342a790-e9e8-440f-a4f7-5d97c9492d6b/downloade983ca3f2605c8dcb263ee1ffc279775MD53falseAnonymousREAD20.500.12622/690oai:dspace-itm.metabuscador.org:20.500.12622/6902025-06-24 09:27:51.849open.accesshttps://dspace-itm.metabuscador.orgRepositorio Instituto Tecnológico Metropolitano de Medellínbdigital@metabiblioteca.com
dc.title.spa.fl_str_mv Clasificación de Mariposas por Modelos de Color HSI y RGB Usando Redes Neuronales
dc.title.alternative.none.fl_str_mv Butterfly Classification by HSI and RGB Color Models Using Neural Networks
title Clasificación de Mariposas por Modelos de Color HSI y RGB Usando Redes Neuronales
spellingShingle Clasificación de Mariposas por Modelos de Color HSI y RGB Usando Redes Neuronales
Perceptrón
back-propagation
mariposa
redes neuronales
análisis del color
Perceptron
back-propagation
neural networks
butterfly
color analysis
title_short Clasificación de Mariposas por Modelos de Color HSI y RGB Usando Redes Neuronales
title_full Clasificación de Mariposas por Modelos de Color HSI y RGB Usando Redes Neuronales
title_fullStr Clasificación de Mariposas por Modelos de Color HSI y RGB Usando Redes Neuronales
title_full_unstemmed Clasificación de Mariposas por Modelos de Color HSI y RGB Usando Redes Neuronales
title_sort Clasificación de Mariposas por Modelos de Color HSI y RGB Usando Redes Neuronales
dc.creator.fl_str_mv Grajales-Múnera, Jorge E.
Restrepo-Martinez, Alejandro
dc.contributor.author.none.fl_str_mv Grajales-Múnera, Jorge E.
Restrepo-Martinez, Alejandro
dc.subject.spa.fl_str_mv Perceptrón
back-propagation
mariposa
redes neuronales
análisis del color
topic Perceptrón
back-propagation
mariposa
redes neuronales
análisis del color
Perceptron
back-propagation
neural networks
butterfly
color analysis
dc.subject.keywords.eng.fl_str_mv Perceptron
back-propagation
neural networks
butterfly
color analysis
description Este estudio aborda la clasificación de especies de mariposas mediante la implementación de Redes Neuronales Artificiales y el procesamiento de imágenes. Se procesan imágenes de un total de 9 especies de mariposas del género Morpho el cual tiene el azul como color característico. Para realizar la segmentación de la mariposa se usan herramientas de procesamiento de imágenes tales como: binarización, filtrado de bordes y morfología matemática. Para el procesamiento de los datos se obtienen los datos RGB de cada imagen que se llevan al modelo de color HSI con el objetivo de identificar los pixeles que son de color azul y de obtener los datos para realizar el procesamiento en las Redes Neuronales propuestas: Back-propagation y perceptrón. Para la verificación y análisis de resultados se construyen matrices de confusión, se analizan y se toman los resultados de las redes neuronales que muestren los niveles de error más bajos. Se logra llegar a un nivel de error cercano al 1% en la clasificación en algunas especies de mariposas.
publishDate 2013
dc.date.issued.none.fl_str_mv 2013-11-19
dc.date.accessioned.none.fl_str_mv 2019-07-18T14:11:19Z
2019-08-13T15:47:17Z
dc.date.available.none.fl_str_mv 2019-07-18T14:11:19Z
2019-08-13T15:47:17Z
dc.type.none.fl_str_mv info:eu-repo/semantics/article
dc.type.spa.fl_str_mv Computer's science
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_6501
format http://purl.org/coar/resource_type/c_6501
dc.identifier.none.fl_str_mv https://revistas.itm.edu.co/index.php/tecnologicas/article/view/324
10.22430/22565337.324
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12622/690
url https://revistas.itm.edu.co/index.php/tecnologicas/article/view/324
http://hdl.handle.net/20.500.12622/690
identifier_str_mv 10.22430/22565337.324
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv https://revistas.itm.edu.co/index.php/tecnologicas/article/view/324/330
dc.relation.ispartofjournal.none.fl_str_mv TecnoLógicas
dc.rights.spa.fl_str_mv Copyright (c) 2017 Tecno Lógicas
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Copyright (c) 2017 Tecno Lógicas
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Instituto Tecnológico Metropolitano (ITM)
dc.source.none.fl_str_mv 2256-5337
0123-7799
dc.source.eng.fl_str_mv TecnoLógicas; Special edition (2013); 669-679
dc.source.spa.fl_str_mv TecnoLógicas; Edición Especial (2013); 669-679
institution Instituto Tecnológico Metropolitano
bitstream.url.fl_str_mv https://dspace-itm.metabuscador.org/bitstreams/3205c82a-9c21-4c3e-a6a2-1d0075d2c50f/download
https://dspace-itm.metabuscador.org/bitstreams/5e01a26f-81d0-44ff-83f0-50b9c169c468/download
https://dspace-itm.metabuscador.org/bitstreams/2342a790-e9e8-440f-a4f7-5d97c9492d6b/download
bitstream.checksum.fl_str_mv 91293126672ce18ae2501da7619b865a
971ae243cf98e3b8bee8e0bfed06c0a2
e983ca3f2605c8dcb263ee1ffc279775
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Instituto Tecnológico Metropolitano de Medellín
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1837096904378286080