Técnicas de Deep Learning aplicadas a un sistema de clasificación de objetos para un recolector de residuos inteligente

Mostrar todas las versiones(3)

Este trabajo se enfoca en el desarrollo de un sistema de clasificación de objetos para ser utilizado en un recolector de residuos inteligente, empleando técnicas de Aprendizaje Profundo (Deep Learning). Se crearon modelos de redes neuronales convolucionales (CNN) capaces de identificar distintos obj...

Descripción completa

Detalles Bibliográficos
Autores principales: Pezet, Braian, Osés, Lucía, Cappelletti, Marcelo Ángel, Salina, Mauro David, Osio, Jorge Rafael, Morales, Martín Alberto
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2023
Materias:
Ciencias Informáticas
Machine Learning
Deep Learning
IoT
sistema de reciclaje
procesamiento de imágenes
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/165929
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-165929
record_format dspace
spelling I19-R120-10915-1659292025-02-06T14:20:42Z http://sedici.unlp.edu.ar/handle/10915/165929 Técnicas de Deep Learning aplicadas a un sistema de clasificación de objetos para un recolector de residuos inteligente Pezet, Braian Osés, Lucía Cappelletti, Marcelo Ángel Salina, Mauro David Osio, Jorge Rafael Morales, Martín Alberto 2023-09 2023 2024-05-10T18:45:41Z es Ciencias Informáticas Machine Learning Deep Learning IoT sistema de reciclaje procesamiento de imágenes Este trabajo se enfoca en el desarrollo de un sistema de clasificación de objetos para ser utilizado en un recolector de residuos inteligente, empleando técnicas de Aprendizaje Profundo (Deep Learning). Se crearon modelos de redes neuronales convolucionales (CNN) capaces de identificar distintos objetos reciclables en diferentes imágenes, en tiempo real. Se llevaron a cabo pruebas con clasificación binaria (reciclable - no reciclable) y clasificación multiclase (plástico, vidrio, metal, papel-cartón, orgánico, no reciclable). También se realizaron pruebas utilizando modelos pre-entrenados con aprendizaje por transferencia (Transfer Learning) para comparar resultados. La implementación de estos modelos se llevó a cabo utilizando el lenguaje de programación Python, aprovechando el Framework de backend TensorFlow y la librería de alto nivel Keras. Como parte de la validación, se probó el modelo final en una aplicación (versión beta) desarrollada en Python, utilizando una mini computadora Raspberry Pi y un módulo de cámara (picam). Este sistema permite analizar en tiempo real los fotogramas capturados por la cámara y aplicar el modelo de clasificación de manera instantánea, accediendo de esta manera a las coordenadas de dichos objetos en el fotograma para poder recolectarlos y separarlos para su posterior reciclaje. Sociedad Argentina de Informática e Investigación Operativa Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 95-107
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Machine Learning
Deep Learning
IoT
sistema de reciclaje
procesamiento de imágenes
spellingShingle Ciencias Informáticas
Machine Learning
Deep Learning
IoT
sistema de reciclaje
procesamiento de imágenes
Pezet, Braian
Osés, Lucía
Cappelletti, Marcelo Ángel
Salina, Mauro David
Osio, Jorge Rafael
Morales, Martín Alberto
Técnicas de Deep Learning aplicadas a un sistema de clasificación de objetos para un recolector de residuos inteligente
topic_facet Ciencias Informáticas
Machine Learning
Deep Learning
IoT
sistema de reciclaje
procesamiento de imágenes
description Este trabajo se enfoca en el desarrollo de un sistema de clasificación de objetos para ser utilizado en un recolector de residuos inteligente, empleando técnicas de Aprendizaje Profundo (Deep Learning). Se crearon modelos de redes neuronales convolucionales (CNN) capaces de identificar distintos objetos reciclables en diferentes imágenes, en tiempo real. Se llevaron a cabo pruebas con clasificación binaria (reciclable - no reciclable) y clasificación multiclase (plástico, vidrio, metal, papel-cartón, orgánico, no reciclable). También se realizaron pruebas utilizando modelos pre-entrenados con aprendizaje por transferencia (Transfer Learning) para comparar resultados. La implementación de estos modelos se llevó a cabo utilizando el lenguaje de programación Python, aprovechando el Framework de backend TensorFlow y la librería de alto nivel Keras. Como parte de la validación, se probó el modelo final en una aplicación (versión beta) desarrollada en Python, utilizando una mini computadora Raspberry Pi y un módulo de cámara (picam). Este sistema permite analizar en tiempo real los fotogramas capturados por la cámara y aplicar el modelo de clasificación de manera instantánea, accediendo de esta manera a las coordenadas de dichos objetos en el fotograma para poder recolectarlos y separarlos para su posterior reciclaje.
format Objeto de conferencia
Objeto de conferencia
author Pezet, Braian
Osés, Lucía
Cappelletti, Marcelo Ángel
Salina, Mauro David
Osio, Jorge Rafael
Morales, Martín Alberto
author_facet Pezet, Braian
Osés, Lucía
Cappelletti, Marcelo Ángel
Salina, Mauro David
Osio, Jorge Rafael
Morales, Martín Alberto
author_sort Pezet, Braian
title Técnicas de Deep Learning aplicadas a un sistema de clasificación de objetos para un recolector de residuos inteligente
title_short Técnicas de Deep Learning aplicadas a un sistema de clasificación de objetos para un recolector de residuos inteligente
title_full Técnicas de Deep Learning aplicadas a un sistema de clasificación de objetos para un recolector de residuos inteligente
title_fullStr Técnicas de Deep Learning aplicadas a un sistema de clasificación de objetos para un recolector de residuos inteligente
title_full_unstemmed Técnicas de Deep Learning aplicadas a un sistema de clasificación de objetos para un recolector de residuos inteligente
title_sort técnicas de deep learning aplicadas a un sistema de clasificación de objetos para un recolector de residuos inteligente
publishDate 2023
url http://sedici.unlp.edu.ar/handle/10915/165929
work_keys_str_mv AT pezetbraian tecnicasdedeeplearningaplicadasaunsistemadeclasificaciondeobjetosparaunrecolectorderesiduosinteligente
AT oseslucia tecnicasdedeeplearningaplicadasaunsistemadeclasificaciondeobjetosparaunrecolectorderesiduosinteligente
AT cappellettimarceloangel tecnicasdedeeplearningaplicadasaunsistemadeclasificaciondeobjetosparaunrecolectorderesiduosinteligente
AT salinamaurodavid tecnicasdedeeplearningaplicadasaunsistemadeclasificaciondeobjetosparaunrecolectorderesiduosinteligente
AT osiojorgerafael tecnicasdedeeplearningaplicadasaunsistemadeclasificaciondeobjetosparaunrecolectorderesiduosinteligente
AT moralesmartinalberto tecnicasdedeeplearningaplicadasaunsistemadeclasificaciondeobjetosparaunrecolectorderesiduosinteligente
_version_ 1824075672534908928

Ejemplares similares