Construcción de una Base de Datos de Frutas Cítricas A Partir del Aumento de Datos para un Modelo de Clasificación con Aprendizaje Profundo

Cada día millones de imágenes son almacenadas, ya sea por páginas web o redes sociales, generando base de datos con etiquetas. Sin embargo, no siempre son representativas, de gran variedad o de dominio público. En este artículo se presenta la construcción de una base de datos particular de frutas cí...

Full description

Autores:
Cárdenas Torres, Jacson Ferney
Jiménez Delgado, Kevin Johan
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2021
Institución:
Universidad Santo Tomás
Repositorio:
Repositorio Institucional USTA
Idioma:
OAI Identifier:
oai:repository.usta.edu.co:11634/35500
Acceso en línea:
http://hdl.handle.net/11634/35500
Palabra clave:
Dataset
Data augmentation
Citrus fruits
Classification
Deep learning
Bases de datos de imágenes
Archivos de imágenes
Diseño lógico
Innovación
Sistemas de almacenamiento y recuperación de información
Bases de datos-administración
Base de datos
Aumento de datos
Frutas cítricas
Clasificación
Aprendizaje profundo
Rights
openAccess
License
Atribución-NoComercial-SinDerivadas 2.5 Colombia
Description
Summary:Cada día millones de imágenes son almacenadas, ya sea por páginas web o redes sociales, generando base de datos con etiquetas. Sin embargo, no siempre son representativas, de gran variedad o de dominio público. En este artículo se presenta la construcción de una base de datos particular de frutas cítricas distribuidas en Colombia que se encuentran escasamente en repositorios, siendo estas informaciones los registros de entrada a un modelo de clasificación de única etiqueta con aprendizaje profundo. Las imágenes fueron obtenidas por medio de la opción ráfaga en una cámara de 48 MP (f2,0 con tecnología Quad Píxel, 1,6 µm), se variaron condiciones de exposición tales como la posición por medio de la rotación y la iluminación en la fruta con el fin de obtener el aumento de registros en la base de datos, previa definición de las características que identifican cada una de las frutas se realiza la selección de una cantidad limitada representativa. Mediante la utilización de diferentes técnicas se aplica un redimensionamiento espacial en las imágenes a nivel de software. De esta forma son obtenidos 20738 registros pertenecientes a 8 clases de frutas cítricas, que luego se separan implementando la regla de división 90% a 10%, en dos directorios llamados entrenamiento y prueba.