Mostra el registre d'ítem simple
Sistema de calibratge de peixos
dc.contributor | Parisi Baradad, Vicenç |
dc.contributor.author | Costa Gabaldón, Guillem |
dc.contributor.other | Universitat Politècnica de Catalunya. Departament d'Enginyeria Electrònica |
dc.date.accessioned | 2021-08-04T06:17:26Z |
dc.date.available | 2023-07-01T00:26:47Z |
dc.date.issued | 2021-06-21 |
dc.identifier.uri | http://hdl.handle.net/2117/350399 |
dc.description.abstract | Aquest projecte es centra en el de desenvolupament d’un sistema de segmentació semàntica per imatges de capses plenes de pops blancs provinents de les llotges de Llançà i Palamós. Per la seva realització s’ha utilitzat la xarxa neuronal convolucional Mask R-CNN i les llibreries de programació Tensorflow i Keras. El treball de final de grau en qüestió és part d’un projecte realitzat conjuntament amb altres estudiants per oferir solucions de realitat augmentada a les llotges de pescadors. L’objectiu final és fer un detector que pugui reconèixer totes les espècies que es venen a les llotges. En aquest document es troba la metodologia seguida per desenvolupar un detector de contorns amb l’objectiu de detectar el total de pops blancs en cada capsa. Partint del repositori de GitHub, Mask R-CNN for Object Detection and Segmentation [1], s’han modificat paràmetres i funcions i creat nous programes per tal d’adaptar aquesta implementació al mateix projecte. També s’ha creat una base de dades formada per 410 imatges etiquetades a mà. Els entrenaments i els programes d’inferència s’han executat en Google Colaboratory, que ha permès accelerar aquests processos. Els resultats obtinguts demostren una bona precisió en les segmentacions dels contorns dels pops blancs. L'error mitjà en el nombre d'exemplars que es detecten per imatge és d’1,63 pops blancs. Tot i això, el model podria millorar amb una base de dades més gran. També s'ha intentat predir el calibre dels pops blancs a partir de les àrees d'aquests, però els resultats obtinguts no han permès aquesta aplicació final |
dc.language.iso | cat |
dc.publisher | Universitat Politècnica de Catalunya |
dc.subject | Àrees temàtiques de la UPC::Enginyeria agroalimentària |
dc.subject | Àrees temàtiques de la UPC::Informàtica |
dc.subject.lcsh | Fish -- Classification -- Mathematical models |
dc.subject.lcsh | Automatic classification -- Mathematical models -- Evaluation |
dc.subject.lcsh | Artificial intelligence -- Industrial applications |
dc.subject.lcsh | Fish trade -- Management -- Automation |
dc.title | Sistema de calibratge de peixos |
dc.type | Bachelor thesis |
dc.subject.lemac | Peix -- Classificació -- Models matemàtics |
dc.subject.lemac | Classificació automàtica -- Models matemàtics -- Avaluació |
dc.subject.lemac | Intel·ligència artificial -- Aplicacions industrials |
dc.subject.lemac | Llotges de peix -- Administració -- Automatització |
dc.identifier.slug | ETSEIB-240.161989 |
dc.rights.access | Open Access |
dc.date.updated | 2021-07-14T07:26:44Z |
dc.audience.educationlevel | Grau |
dc.audience.mediator | Escola Tècnica Superior d'Enginyeria Industrial de Barcelona |
dc.audience.degree | GRAU EN ENGINYERIA EN TECNOLOGIES INDUSTRIALS (Pla 2010) |
dc.description.sdg | Objectius de Desenvolupament Sostenible::9 - Indústria, Innovació i Infraestructura::9.2 - Promoure una industrialització inclusiva i sostenible i, a tot tardar el 2030, augmentar de manera significativa la contribució de la indústria a l’ocupació i al producte interior brut, d’acord amb les circumstàncies nacionals, i duplicar aquesta contribució als països menys avançats |
dc.description.sdg | Objectius de Desenvolupament Sostenible::8 - Treball Decent i Creixement Econòmic::8.2 - Aconseguir nivells més elevats de productivitat econòmica mitjançant la diversificació, la modernització tecnològica i la innovació, entre d’altres maneres centrant l’atenció en sectors de més valor afegit i ús intensiu de mà d’obra |