Sistema para la clasificación automática de peces endémicos del Ecuador usando técnicas de aprendizaje profundo
Loading...
Date
2021
Journal Title
Journal ISSN
Volume Title
Publisher
PUCE - Esmeraldas
Abstract
La presente investigación muestra la creación de un sistema clasificador de imágenes de peces endémicos del Ecuador. Este sistema predice imágenes de peces de acuerdo a la taxonomía de géneros a la que pertenece cada pez. Para crear el modelo de aprendizaje profundo, se usó una arquitectura de red neuronal convolucional o CNN, esta utilizó cuatro capas convolucionales usando la función de activación Relu, cuatro capas de submuestreos usando un Max Pooling, un total de 480 filtros en las capas convolucionales, una capa Flatten, una capa de Dropout al 0.3%, una capa densa con 256 neuronas interconectadas y una capa densa utilizando SoftMax. Para el entrenamiento automático se creó un conjunto de datos de 36140 imágenes con una estratificación de datos del 80% para las imágenes de entrenamiento y 20% para las de validación. El conjunto de datos se compuso de imágenes de 94 especies de peces endémicos y nativos del Ecuador distribuidos por 6 cuencas hidrográficas que son: Mira Mataje, Santiago Cayapas, Esmeraldas, Guayas, Santa Rosa y Catamayo, además se categorizaron a las imágenes por 52 géneros. Finalmente, se creó un modelo de red convolucional que se entrenó con dicho set de datos teniendo un grado de precisión del 97,55 %. Dicho modelo se entrenó con una tasa de aprendizaje del 0.0001, 50 épocas 905 iteraciones por cada época. Conjuntamente, este modelo fue integrado en una interfaz gráfica para usuarios no especializados permitiendo realizar la predicción de imágenes de peces endémicos y nativos perteneciente al Ecuador con un alto porcentaje de efectividad.
Description
Tesis previa obtención del título de Ingeniero/a en Sistemas y Computación
Keywords
Red neuronal convolucional, Peces endémicos, Ecuador, Aprendizaje profundo
Citation
IS.221