| Revista: | Innovación y software |
| Base de datos: | |
| Número de sistema: | 000610215 |
| ISSN: | 2708-0935 |
| Año: | 2024 |
| Periodo: | Feb-Sep |
| Volumen: | 5 |
| Número: | 2 |
| Paginación: | 104-113 |
| País: | Perú |
| Idioma: | Español |
| Resumen en inglés | The primary focus of this article was to employ Ultralytics technology, specifically YOLOv8, in object recognition. This involved utilizing supervised learning and other machine learning techniques. The article took into consideration the definitions of object detection and model training to effectively categorize solid waste, thereby facilitating recycling efforts. Following this, each object class was manually identified using the LabelImg tagger, considering the positions of the objects within the images. This approach led to the analysis of 1517 images and produced notably high-quality and significant results. |
| Resumen en español | El principal motivo de este artículo fue la práctica de reconocimiento de objetos, utilizando la tecnología de Ultralytics, YOLOv8, aplicando el aprendizaje supervisado y otros métodos de machine learning. Se tomó en cuenta las definiciones de la detección de objetos y entrenamiento de modelos para clasificar los residuos sólidos para que estos sean después reciclados, para luego identificar manualmente cada clase de objeto con el etiquetador LabelImg, tomando en cuenta las posiciones de cada objeto en las imágenes. Se analizaron 1517 imágenes dándonos unos resultados excelentes y considerables. |
| Palabras clave: | Detección, Aprendizaje Profundo, Residuos Sólidos, YOLO |
| Keyword: | Detection, Deep Learning, Solid Waste, YOLO |
| Texto completo: | Texto completo (Ver PDF) Texto completo (Ver HTML) |
