Mostra el registre d'ítem simple

dc.contributorParisi Baradad, Vicenç
dc.contributor.authorSelles Tomas, Sergio
dc.contributor.otherUniversitat Politècnica de Catalunya. Departament d'Enginyeria Electrònica
dc.coverage.spatialeast=-0.5612438; north=38.1965614; name=Plaza Diputación, 2, 03130 Santa Pola, Alicante, Espanya
dc.coverage.spatialeast=3.161773277399438; north=42.36896148080718; name=Carrer Costa Brava, 3, 17490 Llançà, Girona, Espanya
dc.coverage.spatialeast=3.12453; north=41.8434685; name=Carrer de la Catifa, 4, 17230 Palamós, Girona, Espanya
dc.date.accessioned2021-05-26T14:22:17Z
dc.date.issued2021-05-19
dc.identifier.urihttp://hdl.handle.net/2117/346136
dc.description.abstractLa Intel·ligència Artificial (IA) ha tingut un desenvolupament molt important en els darrers anys i actualment està present en tota mena d’aplicacions quotidianes i industrials. La IA a la que em refereixo és la IA anomenada “dèbil”, que en aparença imita una certa intel·ligència humana, enfront de la IA “forta”, que correspondria a una intel·ligència generalista, que cobreix diversos camps de coneixement al mateix temps i fins i tot és capaç de tenir una certa consciència del seu pensament, però que actualment no ha passat de l’estadi de recerca acadèmica. La IA objecte d’aquest Treball de fi de grau es correspon doncs al camp de les tècniques d’automatització del processament de informació que poden arribar a realitzar una tasca (i només una) al mateix nivell que una persona o inclús millor. Per exemple, identificar objectes o persones en una imatge, convertir veu en text o detectar frau en els moviments d’una targeta de crèdit. El camp de la IA que “aprèn” a realitzar una tasca a partir d’una quantitat gran de dades, enlloc d’utilitzar unes instruccions definides per una persona experta o especialista en la tasca, s’anomena aprenentatge màquina o Machine Learning (ML). I dins del ML hi trobem el camp que utilitza models de computació del tipus xarxa neuronal de capes múltiples, que correspondria a l’aprenentatge profund o Deep Learning(DL). Aquesta darrera tècnica, bàsicament regressions no lineals, s’ha mostrat molt adient per automatitzar tasques de inferència (o predicció a partir d’unes dades de entrada i un model establert) de manera molt econòmica, doncs la inferència es realitza en molt poc temps, permetent aplicacions en temps real i amb un cost computacional moderat. El cost està en la fase d’aprenentatge, on el recursos de computació i recollida de dades poden ser importants, limitant la seva aplicació pràctica. L`objectiu d`aquest projecte és el desenvolupament d'un sistema per detecció i mesura de objectes aplicat a les necessitats d'una llotja de pescadors. El sistema permet la identificació d'una espècie concreta de peixos i la estimació del seu calibre amb una precisió suficient per a la seva aplicació pràctica. El sistema no substitueix els procediments de la llotja, sinó que els complementa, automatitzant la informació proporcionada a la web de la llotja als potencials compradors, que podran disposar de informació complementària a les imatges de les caixes de peix habitualment mostrades. Les imatges han estat recollides en una llotja de pescadors, que és l'entorn real de l'aplicació del sistema. S’han utilitzat algorismes de visió per computador basats en Deep Learning (xarxa Mask-RCNN). La implementació s’ha realitzat amb els recursos de Deep Learning proporcionats pels Frameworks (entorns) de PyTorch i Tensorflow.
dc.language.isocat
dc.publisherUniversitat Politècnica de Catalunya
dc.subjectÀrees temàtiques de la UPC::Informàtica
dc.subject.lcshDeep Learning
dc.subject.lcshComputer vision -- Software
dc.subject.lcshFisheries -- Spain -- Palamós (Spain)
dc.subject.lcshFisheries -- Spain -- Llansa (Spain)
dc.subject.lcshFisheries -- Spain -- Santa Pola (Spain)
dc.subject.lcshFisheries -- Administration -- Automation
dc.titleVisió per computador i Deep Learning aplicats a la identificació i mesura automàtica de peixos en una llotja de pescadors
dc.typeBachelor thesis
dc.subject.lemacAprenentatge profund
dc.subject.lemacVisió per ordinador -- Programari
dc.subject.lemacIndústria pesquera -- Catalunya -- Llançà (Catalunya)
dc.subject.lemacIndústria pesquera -- Catalunya -- Palamós (Catalunya)
dc.subject.lemacIndústria pesquera -- País Valencià -- Santa Pola (País Valencià)
dc.subject.lemacLlotges de peix -- Administració -- Automatització
dc.identifier.slugETSEIB-240.158972
dc.rights.accessRestricted access - author's decision
dc.date.lift10000-01-01
dc.date.updated2021-05-19T04:22:47Z
dc.audience.educationlevelGrau
dc.audience.mediatorEscola Tècnica Superior d'Enginyeria Industrial de Barcelona
dc.audience.degreeGRAU EN ENGINYERIA EN TECNOLOGIES INDUSTRIALS (Pla 2010)
dc.description.sdgObjectius de Desenvolupament Sostenible::14 - Vida Submarina::14.7 - Per al 2030, augmentar els beneficis econòmics que els petits Estats insulars en desenvolupament i els països menys avançats reben de l'ús sostenible dels recursos marins, en particular mitjançant la gestió sostenible de la pesca, l'aqüicultura i el turisme


Fitxers d'aquest items

Imatge en miniatura

Aquest ítem apareix a les col·leccions següents

Mostra el registre d'ítem simple