Buscar en Google Scholar
Título: Desarrollo de un equipo electrónico portátil orientado a la identificación y clasificación de especies de árboles maderables basado en el procesamiento digital de imágenes de hojas e Inteligencia Artificial
Asesor(es): Kemper Vásquez, Guillermo Leopoldo; Dianderas Caut, Erwin Junger
Campo OCDE: https://purl.org/pe-repo/ocde/ford#2.02.01; https://purl.org/pe-repo/ocde/ford#2.00.00
Fecha de publicación: 17-ene-2024
Institución: Universidad Peruana de Ciencias Aplicadas (UPC)
Resumen: La presente investigación propone el desarrollo de un equipo portátil dirigido a la clasificación de 11 especies de árboles presentes en la selva peruana utilizando como entrada las hojas del árbol. En la actualidad, el método de identificación es realizado por un botánico, quien en primera instancia determina la especie por inspección visual y de ser necesario analiza una muestra en un laboratorio con un manual dendrológico. Por esta razón, el proceso es ineficiente en tiempo, costo y precisión. Las soluciones del estado del arte presentan las siguientes dificultades: no están acondicionadas a las especies maderables peruanas, sino que utilizan bases de datos públicas o que solo contienen plantas frutales o medicinales de otros países; presentan elevado porcentaje de error en lo que respecta a la especie analizada; y se apoyan en aplicativos móviles para el reconocimiento por lo que no disponen de un equipo para realizar la clasificación in situ. En tal sentido, el algoritmo que integra el equipo propuesto se desarrolló con una base de datos conformada con las especies maderables peruanas y que en conjunto al equipo diseñado con iluminación controlada y las condiciones ideales de captura disminuyen el porcentaje de error a un 1.36%. Dicho algoritmo, adquiere la imagen de una hoja ingresada al equipo en su primera etapa. Luego, realiza la segmentación de la imagen capturada mediante filtros de color, umbrales de binarización y operaciones morfológicas para finalmente predecir la especie de árbol a la que pertenece mediante un modelo de CNN ya establecido. El software se complementa con un hardware que se compone de un raspberry pi 4 con una interfaz gráfica interactiva para la muestra de la predicción. Se obtuvo una exactitud de 98.64% utilizando el modelo MobileNet y un índice de Kappa cohen de 0.9733, que indica un nivel de acuerdo muy bueno y demuestra que los resultados del equipo coinciden con los emitidos por el especialista.

This dissertation proposes the development of a portable equipment for the classification of 11 species of trees present in the Peruvian jungle using tree’s leaves as input. Currently, the identification method is carried out by a botanist, who in the first instance determines the species by visual inspection and, if necessary, analyzes a sample in a laboratory with a dendrological manual. For this reason, the process is inefficient in time, cost, and precision. The state-of-the-art solutions present the following difficulties: no detection of Peruvian timber species, but instead use public datasets or build their own datasets with fruit, medicinal or non-Peruvian plants; some works have high error rates; and most proposals use mobile applications instead of their own portable devices for in situ image acquisition. In that regard, the algorithm that integrates the proposed equipment was developed with a database that contains 11 Peruvian timber species and in conjunction with the equipment designed considering ideal capture conditions and controlled lighting, reduces the error percentage to 1.36%. This algorithm acquires the image of a leaf entered into the equipment in its first stage. Then, it performs the segmentation of the captured image using color filters, binarization thresholds and morphological operations to finally predict the tree specie to which it belongs using an already established CNN model. Said software is complemented by hardware that is made up of a raspberry pi 4 with an interactive graphical interface for the prediction sample. An accuracy of 98.64% was obtained using the MobileNet model and a Kappa cohen index of 0.9733, which indicates a very high level of agreement and shows that the equipment’s results match those issued by the specialist.
Enlace al repositorio: http://hdl.handle.net/10757/673263
Nota: Posible publicación en revistas indexadas
Disciplina académico-profesional: Ingeniería Electrónica
Institución que otorga el grado o título: Universidad Peruana de Ciencias Aplicadas (UPC). Facultad de Ingeniería
Grado o título: Ingeniero electrónico
Jurado: Klusmann Vieira, Hermann Mirko; Sánchez Huapaya, Alonso Sebastian; Romero Cortez, Oscar Ucchelly
Fecha de registro: 3-abr-2024



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons