38210204
Beschreibung
Mindmap von Pamela Imbaquingo, aktualisiert more than 1 year ago
|
Erstellt von Pamela Imbaquingo
vor mehr als ein Jahr
|
|
Visión por computador para
reconocimiento de malezas en
cultivos de tomate riñón de
invernadero, mediante redes
neuronales
- De que se trata
- • Diseño de un sistema de
reconocimiento de malezas
de tomate riñón de
invernadero mediante redes
neuronales.
- • Desarrollar un sistema
de reconocimiento de
visión por computador
mediante redes
neuronales, con la
adquisición de datos
etiquetados con el
software Labellmg.
- • Visualizar
resultados en una
pantalla
mediante el uso
de Python
realizando
pruebas de
funcionamiento
con imágenes,
videos guardados
o en tiempo real.
- • Entrenar a un
sistema mediante
redes neuronales
convolucionales
utilizando un lenguaje
de programación
- • Diseño de un sistema de
reconocimiento de malezas
de tomate riñón de
invernadero mediante redes
neuronales.
- Hardware y software que usa
- Hardware
- El hardware que se
llega a utilizar es el
Raspberry Pi 4 el cual
llega a ser un
procesador de los
mejores que hay al
día de hoy en el
mercado
- Raspberry Pi 4 tiene
más RAM, mejorando
su rendimiento en
comparación con los
otros dos dispositivos
- Raspberry Pi 4 tiene
más RAM, mejorando
su rendimiento en
comparación con los
otros dos dispositivos
- El hardware que se
llega a utilizar es el
Raspberry Pi 4 el cual
llega a ser un
procesador de los
mejores que hay al
día de hoy en el
mercado
- Software
- Uno de los más importantes
fue el LabelImg el cual su
funcionamiento llega a ser
una herramienta muy
importante que nos permite
anotación gráfica
- Python fue importante este
lenguaje de programación
porque con este se pudo llegar
a lograr realizar las pruebas de
funcionamiento
- interfaz gráfica basada en QT todo
esto llegando a guardarse en un
archivo XML el cual llega a ser en
formato PASCALVOC, que es el
formato utilizado por ImageNet.
- interfaz gráfica basada en QT todo
esto llegando a guardarse en un
archivo XML el cual llega a ser en
formato PASCALVOC, que es el
formato utilizado por ImageNet.
- Python fue importante este
lenguaje de programación
porque con este se pudo llegar
a lograr realizar las pruebas de
funcionamiento
- Uno de los más importantes
fue el LabelImg el cual su
funcionamiento llega a ser
una herramienta muy
importante que nos permite
anotación gráfica
- Hardware
- Resultados
- La recopilación de datos
inicial utiliza 925
imágenes de alta
resolución, lo que tiene
desventajas en términos
de tamaño de imagen de
salida y aprendizaje
porque el procesamiento
consume más.
- Las redes neuronales
ayudan a extraer
características
profundas de una
imagen, en caso se
extrajo las
características de la
maleza Ipomoea.
- Permitió ejecutar y
programar en Python un
navegador propio
directo desde nuestro
pc, ya que dispone de
algunas ventajas como:
no requiere de ninguna
configuración, brinda
acceso gratuito a GPUs y
permite compartir
contenido fácilmente.
- La recopilación de datos
inicial utiliza 925
imágenes de alta
resolución, lo que tiene
desventajas en términos
de tamaño de imagen de
salida y aprendizaje
porque el procesamiento
consume más.
- Métodos de Convolución
- Capa conlucional
- Se encargaba de
distinguir las
redes neuronales
convolucionales
de cualquier otra
red neuronal,
dispone de una
aplicación para
realizar la
operación de
convolución
- Se encargaba de
distinguir las
redes neuronales
convolucionales
de cualquier otra
red neuronal,
dispone de una
aplicación para
realizar la
operación de
convolución
- Rectificador lineal de
unidad
- Tiene como
función la
activación, se
aplica a todos
los elementos
del tensor de
entrada
- Tiene como
función la
activación, se
aplica a todos
los elementos
del tensor de
entrada
- Sub-muestreo
- Reduce el
tamaño de la
próxima capa de
neuronas, de
esta manera se
conserva las
características
más importantes
que detecta cada
filtro con
funciones
- Reduce el
tamaño de la
próxima capa de
neuronas, de
esta manera se
conserva las
características
más importantes
que detecta cada
filtro con
funciones
- Capa
totalmente
conectada
- Cada fase tiene tantas
neuronas como el
número de clases que
se quiere predecir,
esta es una red
multicapa jerárquica
que extrae
características en las
capas que tiene
ocultas
- Cada fase tiene tantas
neuronas como el
número de clases que
se quiere predecir,
esta es una red
multicapa jerárquica
que extrae
características en las
capas que tiene
ocultas
- Capa conlucional
- Costos y consumo
- Raspberry Zero
- Costo: $45 Consumo
5v/200 - 350 mA
- Costo: $45 Consumo
5v/200 - 350 mA
- Raspberry Pi 4
- Costo: $89.99
Consumo: 5v/300mA -
1.3A
- Costo: $89.99
Consumo: 5v/300mA -
1.3A
- Raspberry 3 B+
- Costo: $54
- Costo: $54
- Raspberry Zero
- Estadísticas
- • Raspberry Pi 4,
dispone de un
procesador con mejores
características que el
modelo de Raspberry pi
Zero y el Raspberry Pi 3
B+.
- • Raspberry Pi 4 dispone de
mayor capacidad de Memoria
RAM mejorando su
rendimiento.
- • Raspberry Pi Zero, dispone de un
tamaño reducido a comparación del
modelo Raspberry Pi 3+ y el
Raspberry Pi 4.
- • Rasberry Pi 4 cumple
con mejor satisfacción los
requisitos a comparación
del modelo Pi Zero y el
Raspberry pi 3+
- • Raspberry Pi 4,
dispone de un
procesador con mejores
características que el
modelo de Raspberry pi
Zero y el Raspberry Pi 3
B+.
Möchten Sie kostenlos Ihre eigenen Mindmaps mit GoConqr erstellen? Mehr erfahren.