Por favor, use este identificador para citar o enlazar este ítem: https://dspace.unl.edu.ec/jspui/handle/123456789/30017
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorValdiviezo Condolo, Marcelo Fernando-
dc.contributor.authorRivera Merchán, Hernán Alexander-
dc.date.accessioned2024-06-11T17:22:41Z-
dc.date.available2024-06-11T17:22:41Z-
dc.date.issued2024-06-11-
dc.identifier.urihttps://dspace.unl.edu.ec/jspui/handle/123456789/30017-
dc.descriptionArtificial intelligence has experienced an outstanding advance in recent years, finding applications in various areas to automate and optimize specific tasks. In the context of this project, the focus is on the application of artificial intelligence in the field of botany, specifically for the identification of plant species in the Reinaldo Espinosa Botanical Garden in the city of Loja. This work involves the development of three neural network algorithms, based on the predefined architectures MobileNet, VGG19 and ResNet18. In order to speed up the training process, a reduced database has been used, using approximately 12% of the original database. Different levels of accuracy for each of the algorithms were obtained: MobileNet achieved 94.83%, VGG19 62.25%, and ResNet18 60.42%. After evaluating the results, the MobileNet architecture was selected for its superior performance compared to the others, Subsequently, MobileNet was subjected to a complete training with the original database, which consists of 1354 images of 20 different plant species, achieving a final accuracy of 88.59%. As part of the practical implementation, an Android application was developed using the Flutter Framework, allowing the use of the algorithm for plant identification directly from mobile devices. Keywords: Neural Networks, VGG19, MobileNet, ResNet, Flutter, Plant Species Identification  es_ES
dc.description.abstractLa inteligencia artificial ha experimentado un destacado avance en los últimos años, encontrando aplicaciones en diversas áreas para automatizar y optimizar tareas específicas. En el contexto de este proyecto, se enfoca en la aplicación de inteligencia artificial en el ámbito de la botánica, específicamente para la identificación de especies vegetales en el Jardín Botánico Reinaldo Espinosa de la ciudad de Loja. Este trabajo implica el desarrollo de tres algoritmos de redes neuronales, basados en las arquitecturas predefinidas MobileNet, VGG19 y ResNet18. Para acelerar el proceso de entrenamiento, se ha utilizado una base de datos reducida, utilizando aproximadamente el 12% de la base de datos original. Se obtuvieron distintos niveles de precisión para cada uno de los algoritmos: MobileNet alcanzó un 94,83%, VGG19 un 62,25%, y ResNet18 un 60,42%. Luego de evaluar los resultados, se seleccionó la arquitectura MobileNet por presentar un rendimiento superior comparado con los demás. Posteriormente, MobileNet fue sometida a un entrenamiento completo con la base de datos original, que consta de 1354 imágenes de 20 especies vegetales distintas, logrando una precisión final del 88,59%. Como parte de la implementación práctica, se desarrolló una aplicación para Android utilizando el Framework de Flutter, permitiendo la utilización del algoritmo de identificación de especies vegetales directamente desde dispositivos móviles. Palabras clave: Redes Neuronales, VGG19, MobileNet, ResNet, Flutter, Identificación Especies de Plantases_ES
dc.format.extent68 p.es_ES
dc.language.isospaes_ES
dc.publisherUniversidad Nacional de Lojaes_ES
dc.rightsopenAccesses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/ec/es_ES
dc.subjectREDES NEURONALESes_ES
dc.subjectVGG19es_ES
dc.subjectMOBILENETes_ES
dc.subjectRESNETes_ES
dc.subjectFLUTTERes_ES
dc.subjectIDENTIFICACIÓN ESPECIES DE PLANTASes_ES
dc.titleDesarrollo de un Sistema de Reconocimiento de Especies Vegetales para el Jardín Botánico de la UNL Basado en Inteligencia Artificiales_ES
dc.typebachelorThesises_ES
Aparece en las colecciones: TRABAJOS DE TITULACION AEIRNNR

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
HernanAlexander_RiveraMerchan.pdf2,64 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.