Aplicaciones de aprendizaje automático: clasificación de imágenes de parásitos de reptiles mediante técnicas de visión por computador y aprendizaje automático.

Yanascual García, Guillermo Alexander.

Por favor, use este identificador para citar o enlazar este ítem: http://bibdigital.epn.edu.ec/handle/15000/24305

Título:	Aplicaciones de aprendizaje automático: clasificación de imágenes de parásitos de reptiles mediante técnicas de visión por computador y aprendizaje automático.
Autor:	Yanascual García, Guillermo Alexander.
Palabras clave:	RED DE TELECOMUNICACIONES AUTOMATIZACIÓN MODELO DE CLASIFICACIÓN BOLSA DE PALABRAS VISUALES-BOVW PREDICCIÓN AGENTES PARASITARIOS PREPROCESAMIENTO
Fecha de publicación:	abr-2023
Editorial:	Quito : EPN, 2023.
Citación:	Yanascual García, G.A. (2023). Aplicaciones de aprendizaje automático: clasificación de imágenes de parásitos de reptiles mediante técnicas de visión por computador y aprendizaje automático. 61 páginas. Quito : EPN.
Descripción:	Ecuador, un país rico en flora y fauna, está comprometido con la protección de la vida en la región y la promoción del desarrollo biológico sostenible. El grupo de los reptiles, con una gran variedad de especies, son contempladas y analizadas en ambientes de cautiverio. De las diversas tareas en centros de laboratorio que se enfocan en la vida silvestre, como los reptiles, los expertos en el campo identifican los parásitos a partir de la recolección de muestras en base a la experiencia. De esta manera no se aplica ninguna automatización que agilice este proceso mecanizado. En respuesta a este problema, el presente trabajo propone un método de visión computacional para la clasificación de agentes parasitarios presentes en las muestras de seis reptiles en cautiverio para el personal de laboratorio, siendo de gran utilidad en el proceso de clasificación de parásitos en muestras, permitiéndoles estimar efectivamente las poblaciones de parásitos. En el primer capítulo se presentaron los conceptos fundamentales respecto a las técnicas de visión computacional tradicional para el procesamiento, extracción de características y la clasificación de imágenes. En el segundo capítulo se abarca la metodología para clasificar los parásitos de muestras de heces de reptiles en cautiverio en el software Matlab mediante el extractor de Bolsa de palabras visuales (Bag of Visual Words, BoVW) y la técnica de clasificación de Máquinas de Vectores de Soporte (Support Vector Machine, SVM). En el tercer capítulo se presentaron los resultados obtenidos para el clasificador propuesto y las conclusiones a los que estos llevaron. Se alcanzó un Área Bajo la Curva ROC (Area Under the ROC Curve, AUC) de 96 % y una exactitud de 84.4 %, lo que demuestra la factibilidad de usar visión computacional para este trabajo.
URI:	http://bibdigital.epn.edu.ec/handle/15000/24305
Aparece en las colecciones:	TIC - Ingeniería en Telecomunicaciones (FIEE)

Ficheros en este ítem:

Fichero	Descripción	Tamaño	Formato
CD 13224.pdf		16,11 MB	Adobe PDF	Visualizar/Abrir

Muestra el registro Dublin Core completo del ítem

BIBDIGITAL