Siatema automático de clasificación del grado de severidad de la mancha anillada de frijol usando redes neuronales
No Thumbnail Available
Date
2021
Evaluators
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
Este proyecto presenta el entrenamiento de una red neuronal para clasificar los grados deseveridad de la enfermedad denominada mancha anillada en los foliolos de frijol. Se hace unadescripción general del frijol, de las principales características de la mancha anillada y la maneraen la que se realiza la evaluación de la severidad en los foliolos. Se desarrolló una base de datoscon los niveles de severidad según una escala diagramática de intervalos iguales, estos niveles seagruparon en las categorías de alta, baja y media para aumentar las fotos. Se identificaron lospatrones de la enfermedad en las imágenes de los foliolos a través de una arquitectura de redconvolucional CNN. Se probaron CNNs como ResNet50, MobileNet y MobilenetV2 previamenteentrenadas con las que se realizó transfer learning para obtener un modelo con menosparámetros, menos tiempo de entrenamiento, brindando mejores resultados que con una redcreada desde cero y aplicando conceptos tales como forward and backward propagation,funciones de activación e hiperparámetros se logró la clasificación de las tres categorías. Elentrenamiento, validación y pruebas de la red se realizaron en los cuadernos de Jupyter delentorno gratuito de Google Colaboratory. Se lograron precisiones del 63,8% con una red desdecero, 77,1% con la técnica de transfer learning y finetune a la red MobileNetV2 y un 91,3%usando el framework aXeleRate. El uso de los sistemas embebidos como la Maixduinopermitieron ver limitaciones de memoria RAM y deficiencia en tiempos de ejecución como en laRaspberry Pi 2 que obtuvo un tiempo promedio de ejecución para evaluar un foliolo de 771,98 mspues no está diseñada especificamente para aplicaciones IA.
Description
Keywords
Entrenamiento, Identificación, Fitopatología.