DeepMyco: Aprendizaje profundo aplicado a la micología

Martínez Galindo, Marcos
Garrido Picazo, Piedad (dir.) ; Sangüesa Escorihuela, Julio (dir.)

Universidad de Zaragoza, POLTER, 2019
Departamento de Informática e Ingeniería de Sistemas, Área de Lenguajes y Sistemas Informáticos

Graduado en Ingeniería Informática

Resumen: Uno de los mayores encantos de la provincia de Teruel es su diversidad micológica, de la que se aprovechan miles de personas cada año. Pero no todo el mundo sabe distinguir las diferentes especies de setas, algo realmente difı́cil. Por ello, la idea de una aplicación móvil que reconozca la especie con tan sólo tomar una fotografı́a es muy interesante. Las redes neuronales están ganando mucho protagonismo en la industria dada su gran capacidad para aprender a reconocer patrones en los datos. Uno de los campos donde se utilizan esta clase de algoritmos es en la visión por computador, campo cada vez más en uso y en gran evolución. Una de las principales funciones es el reconocimiento de objetos en imágenes, o clasificación de imágenes. Con tan sólo ver la imagen, la red neuronal es capaz de reconocer los objetos que hay en ella, si ha sido bien entrenada. Sin embargo, entrenar bien una red neuronal para que reconozca objetos no es tarea fácil. Esto, unido a la dificultad de diferenciar a simple vista una seta, hacen del reconocimiento de setas en imágenes con redes neuronales un desafı́o considerable. En este proyecto, se ha realizado un estudio de los principales bancos de datos, del funcionamiento de estos algoritmos y del rendimiento de algunos de los diferentes algoritmos preentrenados del mercado. Con ello, se ha conseguido desarrollar un modelo con una precisión del 82 %, diferenciando entre 7 especies de la provincia de Teruel, que ha sido embebido en una aplicación móvil desarrollada para tal fin.

Tipo de Trabajo Académico: Trabajo Fin de Grado