Una herramienta prototipo para identificar especies de plantas mediante técnicas computacionales de deep learning
Ilustraciones a color, tablas, gráficos
- Autores:
-
Mosquera Ibagon, Juan Fernando
Díaz Agudelo, Daniel
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2024
- Institución:
- Universidad de San Buenaventura
- Repositorio:
- Repositorio USB
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.usb.edu.co:10819/21296
- Acceso en línea:
- https://hdl.handle.net/10819/21296
- Palabra clave:
- Herramientas para base de datos
Agrobiodiversidad
Diversidad biológica
000 - Ciencias de la computación, información y obras generales::004 - Procesamiento de datos Ciencia de los computadores
Deep Learning
AI
CNN
RAD
Plantas
- Rights
- openAccess
- License
- http://purl.org/coar/access_right/c_abf2
| id |
SANBUENAV2_5139c4dfd3c0d1a41a78659bdd8da92c |
|---|---|
| oai_identifier_str |
oai:bibliotecadigital.usb.edu.co:10819/21296 |
| network_acronym_str |
SANBUENAV2 |
| network_name_str |
Repositorio USB |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Una herramienta prototipo para identificar especies de plantas mediante técnicas computacionales de deep learning |
| title |
Una herramienta prototipo para identificar especies de plantas mediante técnicas computacionales de deep learning |
| spellingShingle |
Una herramienta prototipo para identificar especies de plantas mediante técnicas computacionales de deep learning Herramientas para base de datos Agrobiodiversidad Diversidad biológica 000 - Ciencias de la computación, información y obras generales::004 - Procesamiento de datos Ciencia de los computadores Deep Learning AI CNN RAD Plantas |
| title_short |
Una herramienta prototipo para identificar especies de plantas mediante técnicas computacionales de deep learning |
| title_full |
Una herramienta prototipo para identificar especies de plantas mediante técnicas computacionales de deep learning |
| title_fullStr |
Una herramienta prototipo para identificar especies de plantas mediante técnicas computacionales de deep learning |
| title_full_unstemmed |
Una herramienta prototipo para identificar especies de plantas mediante técnicas computacionales de deep learning |
| title_sort |
Una herramienta prototipo para identificar especies de plantas mediante técnicas computacionales de deep learning |
| dc.creator.fl_str_mv |
Mosquera Ibagon, Juan Fernando Díaz Agudelo, Daniel |
| dc.contributor.advisor.none.fl_str_mv |
Giovanny Hidalgo, Carlos |
| dc.contributor.author.none.fl_str_mv |
Mosquera Ibagon, Juan Fernando Díaz Agudelo, Daniel |
| dc.contributor.jury.none.fl_str_mv |
Paredes Valencia, Carlos Mario |
| dc.contributor.researchgroup.none.fl_str_mv |
Grupo de Investigación de las Ciencias de las Ingenierías |
| dc.subject.armarc.none.fl_str_mv |
Herramientas para base de datos Agrobiodiversidad Diversidad biológica |
| topic |
Herramientas para base de datos Agrobiodiversidad Diversidad biológica 000 - Ciencias de la computación, información y obras generales::004 - Procesamiento de datos Ciencia de los computadores Deep Learning AI CNN RAD Plantas |
| dc.subject.ddc.none.fl_str_mv |
000 - Ciencias de la computación, información y obras generales::004 - Procesamiento de datos Ciencia de los computadores |
| dc.subject.proposal.eng.fl_str_mv |
Deep Learning AI CNN RAD |
| dc.subject.proposal.spa.fl_str_mv |
Plantas |
| description |
Ilustraciones a color, tablas, gráficos |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2024-07-24T20:20:37Z |
| dc.date.available.none.fl_str_mv |
2024-07-24T20:20:37Z |
| dc.date.issued.none.fl_str_mv |
2024 |
| dc.type.none.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.none.fl_str_mv |
Text |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.citation.none.fl_str_mv |
Diaz Agudelo, Mosquera Ibagon “Herramienta prototipo para identificar especies de plantas mediante técnicas computacionales en deep learning.”, Trabajo de grado profesional , Ingeniería de Sistemas, Universidad de San Buenaventura Cali (Valle del Cauca) , 2024. |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/10819/21296 |
| identifier_str_mv |
Diaz Agudelo, Mosquera Ibagon “Herramienta prototipo para identificar especies de plantas mediante técnicas computacionales en deep learning.”, Trabajo de grado profesional , Ingeniería de Sistemas, Universidad de San Buenaventura Cali (Valle del Cauca) , 2024. |
| url |
https://hdl.handle.net/10819/21296 |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.none.fl_str_mv |
Minciencias, “Colombia, el segundo país más biodiverso del mundo.” Accessed: Sep. 28, 2023. [Onli-ne]. Available: https://minciencias.gov.co/sala_de_prensa/colombia-el-segundo-pais-mas-biodiverso-del-mundo. Montenegro Bermudez, “Detection and classification of mango anthracnose using hyperspectral ima-ging and deep learning techniques,” National University of Colombia, 2021. F. DE Ciencias Agrarias, D. Jacobo Bucaram Ortiz, and I. Bermeo Almeida Oscar Xavier, “Implemen -tación de una aplicación web y móvil basado en visión por computador para el control de la enferme -dad sigatoka negra en el cultivo del banano en la hacienda los ángeles,” 2020. S. Li, “Object Identification for Autonomous Forest Operations,” Licencia Luleå, Luleå University of Technology, 2022. M. Zhao, “Modernized Power System Optimal Operation & Safety Protection through Mathematical and Artificial Intelligence Techniques,” Doctorado, University of Pittsburgh, 2023. Arunthavanathan and Rajeevan, “Machine learning methods for fault detection and diagnosis of digita-lized processing system,” Doctorado, Memorial University of Newfoundland, 2022. P. Ekman, “Convolutional neural network based object detection in a fish ladder : Positional and classimbalance problems using YOLOv3,” EECS, 2021. F. Almin, “Detection of Non-Ferrous Materials with Computer Vision,” Linköping University, 2020. N. Esmaeilzadeh Khorasani, “Agricultural harvester sound classification using convolutional neural networks and spectrograms,” University of Manitoba, 2022. |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.*.fl_str_mv |
CC0 1.0 Universal |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/publicdomain/zero/1.0/ |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://purl.org/coar/access_right/c_abf2 CC0 1.0 Universal http://creativecommons.org/publicdomain/zero/1.0/ |
| dc.format.extent.none.fl_str_mv |
103 páginas |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad de San Buenaventura - Cali |
| dc.publisher.branch.none.fl_str_mv |
Cali |
| dc.publisher.faculty.none.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.place.none.fl_str_mv |
Cali |
| dc.publisher.program.none.fl_str_mv |
Ingeniería de Sistemas |
| publisher.none.fl_str_mv |
Universidad de San Buenaventura - Cali |
| institution |
Universidad de San Buenaventura |
| dc.source.other.none.fl_str_mv |
Cali |
| bitstream.url.fl_str_mv |
https://bibliotecadigital.usb.edu.co/bitstreams/3808bce4-f06f-4940-9c1b-990ab6534e1b/download https://bibliotecadigital.usb.edu.co/bitstreams/c413e4e2-2f12-4fcc-be4e-cf03618d6e3d/download https://bibliotecadigital.usb.edu.co/bitstreams/7fbd1e88-70fd-43dc-a32f-00e76eb4a240/download https://bibliotecadigital.usb.edu.co/bitstreams/b1f98314-5993-4260-b01c-fb5ea89a5241/download https://bibliotecadigital.usb.edu.co/bitstreams/acda3f0f-8402-4a69-94bd-904ef3d9630c/download https://bibliotecadigital.usb.edu.co/bitstreams/e233f10b-3778-4cea-b9ed-70f4b4690a3c/download https://bibliotecadigital.usb.edu.co/bitstreams/a5974eb7-5789-4947-b5a3-1d2ba131575e/download https://bibliotecadigital.usb.edu.co/bitstreams/6d018837-3e37-4763-8003-aa9890cdf4ac/download |
| bitstream.checksum.fl_str_mv |
9e6ebb62cd8e3af5b61ee5cf70cd87a4 a6c9d917d0110acba94391e688e140f1 95eb36909322d2093019720e2737682f ce8fd7f912f132cbeb263b9ddc893467 eda80744f6d80034bbd5c48fc5fb9ed4 bc20055291f5e6a83de6006a9d9fc69f 7f8b01d349e00d51e5200b4608b87628 89bb205140a0f737223835e151b71dde |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad de San Buenaventura Colombia |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1837099297374470144 |
| spelling |
Giovanny Hidalgo, Carlosa37d31c7-d279-4d8d-90bf-a4d29aa05564-1Mosquera Ibagon, Juan Fernando38e8e013-e827-4cba-a111-a2db5f20b8d7-1Díaz Agudelo, Danielad33c5e4-3101-459d-8374-d22030796ed4-1Paredes Valencia, Carlos Mario1af38be7-81ff-44f5-a276-aac48df6c402600Grupo de Investigación de las Ciencias de las Ingenierías2024-07-24T20:20:37Z2024-07-24T20:20:37Z2024Ilustraciones a color, tablas, gráficosLa biodiversidad vegetal desempeña un papel esencial en nuestro ecosistema y en numerosos aspectos de la vida humana. En este contexto, esta tesis aborda el desarrollo de una herramienta prototipo basada en técnicas de deep learning para la identificación de especies de plantas. El objetivo general de esta investigación es proporcionar una solución innovadora y precisa para la identificación de plantas mediante enfoques computacionales avanzados.Los objetivos específicos de la tesis se centraron en identificar el estado actual de las herramientas basadas en deep learning para la identificación de especies de plantas, construir una arquitectura de deep learning especializada en la clasificación de plantas, desarrollar una herramienta prototipo que integre este clasificador y probarla en un caso de estudio en la Universidad San Buenaventura, Cali.Para lle - var a cabo esta investigación, se adoptó una metodología que combinó RAD (Desarrollo Rápido de Aplicaciones) y CRISP-DM (Metodología para el Desarrollo de Minería de Datos). Esto permitió un enfoque ágil y estructurado en el desarrollo de la herramienta.Los resultados principales de esta tesis revelan un modelo de identificación de especies de plantas basado en deep learning con una precisión del 86%. Este resultado representa una mejora significativa con respecto a las herramientas tradicionales de identificación de plantas. La precisión del 86% respalda la hipótesis de que la herramienta prototipo desarrollada tiene un impacto positivo en la identificación de especies de plantas. Estos hallazgos sugieren que la aplicación de enfoques basados en deep learning en la identificación de especies de plantas tiene un potencial prometedor en la investigación botánica, la conservación de la biodiversidad y una precisión alta en los modelos desarrollados.Biodiversity in the plant kingdom plays a vital role in our ecosystem and numerous facets of human life. In this context, this thesis addresses the development of a prototype tool based on deep learning techniques for plant species identification. The overarching goal of this research is to provide an innovative and accurate solution for plant identification through advanced computational approaches.Specific objectives of the thesis focused on assessing the current state of deep learning-based tools for plant species identification, constructing a specialized deep learning architecture for plant classification, developing a prototype tool integrating this classifier, and testing it in a case study at Universidad San Buenaventura, Cali.To execute this research, a methodology combining Rapid Application Development (RAD) and the Cross-Industry Standard Process for Data Mining (CRISP-DM) was adopted. This facilitated an agile and structured approach to tool development.The primary results of this thesis unveil a deep learning-based plant species identification model with an impressive accuracy of 86%. This outcome signifies a substantial improvement over traditional plant identification too ls. The 86% accuracy supports the hypothesis that the developed prototype tool has a positive impact on plant species identification. These findings suggest that the application of deep learning-based approaches in plant species identification holds promising potential for botanical research, biodiversity conservation, and the achievement of high-accuracy models.PregradoIngeniero de Sistemas103 páginasapplication/pdfDiaz Agudelo, Mosquera Ibagon “Herramienta prototipo para identificar especies de plantas mediante técnicas computacionales en deep learning.”, Trabajo de grado profesional , Ingeniería de Sistemas, Universidad de San Buenaventura Cali (Valle del Cauca) , 2024.https://hdl.handle.net/10819/21296spaUniversidad de San Buenaventura - CaliCaliFacultad de IngenieríaCaliIngeniería de SistemasMinciencias, “Colombia, el segundo país más biodiverso del mundo.” Accessed: Sep. 28, 2023. [Onli-ne]. Available: https://minciencias.gov.co/sala_de_prensa/colombia-el-segundo-pais-mas-biodiverso-del-mundo.Montenegro Bermudez, “Detection and classification of mango anthracnose using hyperspectral ima-ging and deep learning techniques,” National University of Colombia, 2021.F. DE Ciencias Agrarias, D. Jacobo Bucaram Ortiz, and I. Bermeo Almeida Oscar Xavier, “Implemen -tación de una aplicación web y móvil basado en visión por computador para el control de la enferme -dad sigatoka negra en el cultivo del banano en la hacienda los ángeles,” 2020.S. Li, “Object Identification for Autonomous Forest Operations,” Licencia Luleå, Luleå University of Technology, 2022.M. Zhao, “Modernized Power System Optimal Operation & Safety Protection through Mathematical and Artificial Intelligence Techniques,” Doctorado, University of Pittsburgh, 2023.Arunthavanathan and Rajeevan, “Machine learning methods for fault detection and diagnosis of digita-lized processing system,” Doctorado, Memorial University of Newfoundland, 2022.P. Ekman, “Convolutional neural network based object detection in a fish ladder : Positional and classimbalance problems using YOLOv3,” EECS, 2021.F. Almin, “Detection of Non-Ferrous Materials with Computer Vision,” Linköping University, 2020.N. Esmaeilzadeh Khorasani, “Agricultural harvester sound classification using convolutional neural networks and spectrograms,” University of Manitoba, 2022.info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2CC0 1.0 Universalhttp://creativecommons.org/publicdomain/zero/1.0/CaliHerramientas para base de datosAgrobiodiversidadDiversidad biológica000 - Ciencias de la computación, información y obras generales::004 - Procesamiento de datos Ciencia de los computadoresDeep LearningAICNNRADPlantasUna herramienta prototipo para identificar especies de plantas mediante técnicas computacionales de deep learningTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttp://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/acceptedVersionComunidad Científica y AcadémicaPublicationORIGINALHerramienta_Prototipo_Identificar_Mosquera_2024Herramienta_Prototipo_Identificar_Mosquera_2024application/pdf3406972https://bibliotecadigital.usb.edu.co/bitstreams/3808bce4-f06f-4940-9c1b-990ab6534e1b/download9e6ebb62cd8e3af5b61ee5cf70cd87a4MD52Formato_Autorizacion_Publicacion_Repositorio_USBCol.pdfFormato_Autorizacion_Publicacion_Repositorio_USBCol.pdfapplication/pdf725522https://bibliotecadigital.usb.edu.co/bitstreams/c413e4e2-2f12-4fcc-be4e-cf03618d6e3d/downloada6c9d917d0110acba94391e688e140f1MD55CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8776https://bibliotecadigital.usb.edu.co/bitstreams/7fbd1e88-70fd-43dc-a32f-00e76eb4a240/download95eb36909322d2093019720e2737682fMD53LICENSElicense.txtlicense.txttext/plain; charset=utf-82079https://bibliotecadigital.usb.edu.co/bitstreams/b1f98314-5993-4260-b01c-fb5ea89a5241/downloadce8fd7f912f132cbeb263b9ddc893467MD54TEXTHerramienta_Prototipo_Identificar_Mosquera_2024.txtHerramienta_Prototipo_Identificar_Mosquera_2024.txtExtracted texttext/plain101634https://bibliotecadigital.usb.edu.co/bitstreams/acda3f0f-8402-4a69-94bd-904ef3d9630c/downloadeda80744f6d80034bbd5c48fc5fb9ed4MD56Formato_Autorizacion_Publicacion_Repositorio_USBCol.pdf.txtFormato_Autorizacion_Publicacion_Repositorio_USBCol.pdf.txtExtracted texttext/plain7249https://bibliotecadigital.usb.edu.co/bitstreams/e233f10b-3778-4cea-b9ed-70f4b4690a3c/downloadbc20055291f5e6a83de6006a9d9fc69fMD58THUMBNAILHerramienta_Prototipo_Identificar_Mosquera_2024.jpgHerramienta_Prototipo_Identificar_Mosquera_2024.jpgGenerated Thumbnailimage/jpeg6399https://bibliotecadigital.usb.edu.co/bitstreams/a5974eb7-5789-4947-b5a3-1d2ba131575e/download7f8b01d349e00d51e5200b4608b87628MD57Formato_Autorizacion_Publicacion_Repositorio_USBCol.pdf.jpgFormato_Autorizacion_Publicacion_Repositorio_USBCol.pdf.jpgGenerated Thumbnailimage/jpeg14864https://bibliotecadigital.usb.edu.co/bitstreams/6d018837-3e37-4763-8003-aa9890cdf4ac/download89bb205140a0f737223835e151b71ddeMD5910819/21296oai:bibliotecadigital.usb.edu.co:10819/212962024-07-25 04:33:35.325http://creativecommons.org/publicdomain/zero/1.0/CC0 1.0 Universalhttps://bibliotecadigital.usb.edu.coRepositorio Institucional Universidad de San Buenaventura Colombiabdigital@metabiblioteca.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 |