skip to main content
Language:
Search Limited to: Search Limited to: Resource type Show Results with: Show Results with: Search type Index

Clasificación de enfermedades de la yuca subsahariana mediante Aprendizaje Automático

Digital Resources/Online E-Resources

Citations Cited by
  • Title:
    Clasificación de enfermedades de la yuca subsahariana mediante Aprendizaje Automático
  • Author: Blasco Calafat, Antonio
  • Subjects: Artificial intelligence ; Clasificadores ; Classifiers ; CNN ; Grado en Ingeniería Informática-Grau en Enginyeria Informàtica ; LENGUAJES Y SISTEMAS INFORMATICOS ; Machine learning ; SVM
  • Description: Provider: - Institution: - Data provided by Europeana Collections- [ES] El objetivo principal del siguiente proyecto es la implementación de un algoritmo capaz de detectar enfermedades de la yuca subsahariana en imágenes de dicha planta mediante técnicas de aprendizaje automático. Para ello se han estudiado diversas técnicas de machine learning, eligiendo Máquinas Vectores Soporte (SVM) con diversas técnicas de extracción de características y Redes Neuronales Convolucionales (CNN). Se han implementado los diferentes clasificadores, variando diferentes parámetros hasta encontrar aquél que se adapte mejor al problema siguiendo un análisis detallado de su error. Posteriormente se ha implementado una aplicación con aquel método que obtiene la mejor clasificación, permitiendo al usuario de forma sencilla la utilización de la misma para obtener de forma rápida y eficaz la solución al problema. Por último, se han estudiado conclusiones y posibles líneas a mejorar del proyecto, tanto del clasificador como de la aplicación desarrollada.- [EN] The main objective of the following project is the implementation of an algorithm capable of detecting sub-Saharan cassava diseases in images using machine learning techniques. For this, various machine learning techniques have been studied, choosing Support Vector Machines (SVM) with various feature extraction techniques and Convolutional Neural Networks (CNN). The different classifiers have been implemented, varying different parameters until finding the one that best suits the problem, followed by a detailed analysis of its error. Subsequently, an application has been implemented with the method that obtains the best classification, allowing the user to easily use it to quickly and efficiently obtain the solution to the problem. Finally, conclusions and possible lines to improve the project have been studied, both in the classifier and in the application developed.- [CA] L'objectiu principal del següent projecte és la implementació d'un algorisme capaç de detectar malalties de la iuca subsahariana en imatges mitjançant tècniques d'aprenentatge automàtic. Per a això s'han estudiat diverses tècniques de machine learning, triant Màquines Vectors Suport (SVM) amb diverses tècniques d'extracció de característiques i Xarxes Neuronals Convolucionals (CNN). S'han implementat els diferents classificadors, variant diferents paràmetres fins a trobar aquell que s'adapte millor al problema seguint una anàlisi detallada del seu error. Posteriorment s'ha implementat una aplicació amb aquell mètode que obté la millor classificació, permetent l'usuari de forma senzilla la utilització de la mateixa per obtenir de forma ràpida i eficaç la solució al problema. Finalment, s'han estudiat conclusions i possibles línies a millorar del projecte, tant del classificador com de l'aplicació desenvolupada.- All metadata published by Europeana are available free of restriction under the Creative Commons CC0 1.0 Universal Public Domain Dedication. However, Europeana requests that you actively acknowledge and give attribution to all metadata sources including Europeana
  • Publisher: Universitat Politècnica de València
  • Language: Spanish
  • Source: Europeana Collections

Searching Remote Databases, Please Wait