Este Proyecto de Fin de Grado (PFG) se centra en el desarrollo de un sistema para el seguimiento de truchas en una pecera mediante la utilización de técnicas de procesado de imagen por computadora y redes neuronales convolucionales (CNNs). La acuicultura es un sector con un enorme potencial económico para la economía y para la sostenibilidad alimentaria del planeta y se puede beneficiar del análisis automatizado de los comportamientos de los peces en cautividad.
El desarrollo de este sistema se llevará a cabo con el uso del algoritmo YOLO (You Only Look Once) para la detección de objetos en vídeo y la implementación de una técnica de zoom dinámico que optimizará el procesamiento del vídeo tanto en eficiencia como en calidad de detecciones.
Adicionalmente, en este PFG se desarrollará una interfaz gráfica de usuario (GUI) para que el usuario del sistema pueda realizar detecciones en vídeos sin el requerimiento de tener conocimientos sobre las tecnologías empleadas en este proyecto para implementar el sistema y descritas en esta memoria.
Los resultados obtenidos demuestran la eficacia y robustez del sistema final. Se realizan comparaciones tanto cuantitativas como cualitativas de todos los modelos generados para obtener un modelo final de calidad.
Abstract:
This Final Degree Project (PFG) focuses on the development of a system for monitoring trout in a fish tank using computer image processing techniques and convolutional neural networks (CNNs). Aquaculture is a sector with enormous economic potential for the economy and for the food sustainability of the planet and can benefit from the automated analysis of the behaviours of fish in captivity.
The development of this system will be carried out with the use of the YOLO (You Only Look Once) algorithm for the detection of objects in video and the implementation of a dynamic zoom technique that will optimize video processing both in efficiency and quality of detections.
Additionally, in this PFG a graphical user interface (GUI) will be developed so that the system user can perform video detections without the requirement of having knowledge of the technologies used in this project to implement the system and described in this report.
The results obtained demonstrate the effectiveness and robustness of the final system. Both quantitative and qualitative comparisons of all the generated models are made to obtain a final quality model.
The errors obtained and possible improvements will be analysed, as well as future work, in order to obtain a model capable of performing quality and reliable object detection.
Este Proyecto de Fin de Grado (PFG) se centra en el desarrollo de un sistema para el seguimiento de truchas en una pecera mediante la utilización de técnicas de procesado de imagen por computadora y redes neuronales convolucionales (CNNs). La acuicultura es un sector con un enorme potencial económico para la economía y para la sostenibilidad alimentaria del planeta y se puede beneficiar del análisis automatizado de los comportamientos de los peces en cautividad.
El desarrollo de este sistema se llevará a cabo con el uso del algoritmo YOLO (You Only Look Once) para la detección de objetos en vídeo y la implementación de una técnica de zoom dinámico que optimizará el procesamiento del vídeo tanto en eficiencia como en calidad de detecciones.
Adicionalmente, en este PFG se desarrollará una interfaz gráfica de usuario (GUI) para que el usuario del sistema pueda realizar detecciones en vídeos sin el requerimiento de tener conocimientos sobre las tecnologías empleadas en este proyecto para implementar el sistema y descritas en esta memoria.
Los resultados obtenidos demuestran la eficacia y robustez del sistema final. Se realizan comparaciones tanto cuantitativas como cualitativas de todos los modelos generados para obtener un modelo final de calidad.
Abstract:
This Final Degree Project (PFG) focuses on the development of a system for monitoring trout in a fish tank using computer image processing techniques and convolutional neural networks (CNNs). Aquaculture is a sector with enormous economic potential for the economy and for the food sustainability of the planet and can benefit from the automated analysis of the behaviours of fish in captivity.
The development of this system will be carried out with the use of the YOLO (You Only Look Once) algorithm for the detection of objects in video and the implementation of a dynamic zoom technique that will optimize video processing both in efficiency and quality of detections.
Additionally, in this PFG a graphical user interface (GUI) will be developed so that the system user can perform video detections without the requirement of having knowledge of the technologies used in this project to implement the system and described in this report.
The results obtained demonstrate the effectiveness and robustness of the final system. Both quantitative and qualitative comparisons of all the generated models are made to obtain a final quality model.
The errors obtained and possible improvements will be analysed, as well as future work, in order to obtain a model capable of performing quality and reliable object detection. Read More
Related posts:
Aplicación Android para un sistema de recomendación grupal de restautantes
Desarrollo de un modelo de computer vision para un coche de carreras autónomo con Yolov9
Diseño de un sistema de gestión del ciclo de vida de titulaciones universitarias
Diseño y validación de un modelo geométrico para el estudio de una sala de cine con Dolby Atmos
Predicción de las áreas de atención en vídeo para la compresión perceptual con VVC
Generación, visualización e interacción con datos en entorno web para el sistema de calidad de la ETSIINF