ALGORITMOS DE INTELIGENCIA ARTIFICIAL BASADOS EN APRENDIZAJE PROFUNDO Y REDES GA...
ALGORITMOS DE INTELIGENCIA ARTIFICIAL BASADOS EN APRENDIZAJE PROFUNDO Y REDES GAN PARA EL ANALISIS DE DATOS ESPECTRALES EN PROBLEMAS DE INSPECCION DE FRUTA.
LA INSPECCION DE FRUTOS MEDIANTE SISTEMAS AUTOMATICOS DE VISION ES UNA PARTE FUNDAMENTAL PARA CONSEGUIR QUE LA INDUSTRIA AGRICOLA SEA COMPETITIVA EN UN MUNDO GLOBALIZADO, EN PARTICULAR LOS SISTEMAS DE VISION POR COMPUTADOR SON UN...
ver más
Fecha límite participación
Sin fecha límite de participación.
Financiación
concedida
El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto
el día 2019-01-01
No tenemos la información de la convocatoria
0%
100%
Información adicional privada
No hay información privada compartida para este proyecto. Habla con el coordinador.
¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video
Proyectos interesantes
PID2019-107347RR-C32
INSPECCION Y PREDICCION NO DESTRUCTIVA DE CALIDAD INTERNA Y...
110K€
Cerrado
PGC2018-098817-A-I00
ANALISIS MULTIMODAL DE ESCENAS PARA APLICACIONES DE MONITORI...
50K€
Cerrado
DPI2010-19457
DESARROLLO DE NUEVAS TECNICAS DE VISION POR COMPUTADOR BASAD...
12K€
Cerrado
TIN2011-28753-C02-01
TECNICAS DE INTELIGENCIA COMPUTACIONAL PARA EL PROCESADO DE...
87K€
Cerrado
PRE2020-094491
INSPECCION NO DESTRUCTIVA Y PREDICCION DE LA CALIDAD INTERNA...
99K€
Cerrado
PTQ2021-012204
Estimación de la cantidad de alimentos mediante algoritmos d...
116K€
Cerrado
Fecha límite de participación
Sin fecha límite de participación.
Descripción del proyecto
LA INSPECCION DE FRUTOS MEDIANTE SISTEMAS AUTOMATICOS DE VISION ES UNA PARTE FUNDAMENTAL PARA CONSEGUIR QUE LA INDUSTRIA AGRICOLA SEA COMPETITIVA EN UN MUNDO GLOBALIZADO, EN PARTICULAR LOS SISTEMAS DE VISION POR COMPUTADOR SON UNA PARTE ESENCIAL DE LOS SISTEMAS DE INSPECCION AUTOMATICOS, EL USO DE SISTEMAS DE VISION POR COMPUTADOR EN INSPECCION SE EMPLEAN PARA CALIBRAR LA FRUTA O PARA DETECTAR DEFECTOS DE MANERA AUTOMATICA, ESTE PROBLEMA PRESENTA IMPORTANTES DESAFIOS COMO CLASIFICAR FRUTA CON DEFECTOS QUE PRESENTAN PROPIEDADES VISUALES MUY SIMILARES A LAS DE LAS FRUTAS SANAS, LOS SISTEMAS CONVENCIONALES BASADOS EN IMAGENES RGB Y ALGORITMOS DE APRENDIZAJE AUTOMATICO CLASICOS FALLAN CUANDO INTENTAN DISCRIMINAR DEFECTOS MUY SIMILARES A LA PIEL SANA DE LOS FRUTOS, COMO POR EJEMPLO LOS DAÑOS PRODUCIDOS POR PODREDUMBRES, LA EVOLUCION ACTUAL EN LOS ULTIMOS AÑOS DE LOS SISTEMAS DE VISION RGB SON LOS SISTEMAS DE ADQUISICION ESPECTRALES, ESTOS SISTEMAS CONSTITUYEN UNA IMPORTANTE TECNICA DE INSPECCION NO DESTRUCTIVA PARA EVALUAR LA CALIDAD DE PRODUCTOS AGROALIMENTARIOS, EL PRINCIPAL PUNTO DEBIL DE ESTOS SISTEMAS ES PROCESAR DE MANERA INTELIGENTE Y EN TIEMPO REAL, LA INGENTE CANTIDAD DE INFORMACION ESPACIAL Y ESPECTRAL DE LA ESCENA, PARA ELLO, EN ESTE PROYECTO SE PROPONE EL USO DE ALGORITMOS DE APRENDIZAJE PROFUNDO (DEEP LEARNING), Y SU IMPLEMENTACION HARDWARE, PARA OBTENER TODA LA INFORMACION DE LOS DATOS ESPECTRALES Y ESPACIALES OBTENIDOS DE LA FRUTA INSPECCIONADA, DE MANERA EFICAZ, SIN EMBARGO, ESTA APROXIMACION NO ESTA EXENTA DE DESAFIOS, LOS ALGORITMOS DE APRENDIZAJE PROFUNDO REQUIEREN DE GRANDES CONJUNTOS DE IMAGENES PARA PODER SER ENTRENADOS EFICAZMENTE Y EN MUCHAS OCASIONES LA ADQUISICION DE ESTAS BASES DE DATOS NO ES SENCILLA, ASI PUES, DESDE ESTE PROYECTO SE PROPONE UN USO NOVEDOSO DE LAS REDES GAN (GENERATIVE ADVERSARIAL NETWOORKS), PARA GENERAR MUESTRAS CON EL FIN DE CALIBRAR CORRECTAMENTE LOS MODELOS BASADOS EN APRENDIZAJE PROFUNDO, IMAGENES HIPERESPECTRALES\INSPECCION DE FRUTA\APRENDIZAJE PROFUNDO\REDES GAN