Sistema automático de clasificación de peces



Título del documento: Sistema automático de clasificación de peces
Revista: Visión electrónica
Base de datos: PERIÓDICA
Número de sistema: 000460924
ISSN: 1909-9746
Autores: 1
2
3
Instituciones: 1Universidad Militar Nueva Granada, Bogotá. Colombia
2Universidad Autónoma de Bucaramanga, Bucaramanga, Santander. Colombia
3Universidad de los Llanos, Villavicencio, Meta. Colombia
Año:
Volumen: 12
Número: 2
Paginación: 258-262
País: Colombia
Idioma: Español
Tipo de documento: Artículo
Resumen en español El presente artículo expone el diseño de una arquitectura de red para reconocimiento de patrones orientada a la clasificación automática de dos tipos de peces: mojarra y tilapia. Se emplea una arquitectura basada en aprendizaje profundo mediante una red neuronal convolucional (RNC) para la cual se determina la base de datos a emplear y los diferentes hiperparámetros que la componen. Se logra obtener, mediante análisis por matriz de confusión, un desempeño del 100% de la red bajo las condiciones controladas el sistema de clasificación, es decir: color de banda transportadora uniforme y uso de luz día
Resumen en inglés The present article exposes the design of a network architecture for pattern recognition, oriented to the automatic classification of two types of fish: mojarra and tilapia. An architecture based on deep learning is used by means of a convolutional neuronal network (CNN), for which the database to be used and the different hyperparameters that compose it are determined. It is possible to obtain, through confusion matrix analysis, a 100% performance of the network under the controlled conditions of the classification system, that is: uniform conveyor belt color and daylight use
Disciplinas: Ciencias de la computación
Palabras clave: Arquitectura de redes,
Clasificación automática,
Dinámica de poblaciones,
Peces,
Reconocimiento de patrones,
Red neuronal convolucional
Keyword: Automatic classification,
Convolutional neural network,
Fishes,
Network architecture,
Pattern recognition,
Population dynamics
Texto completo: https://revistas.udistrital.edu.co/index.php/visele/article/view/14265/14388