Mostrar el registro sencillo del ítem

Prototipo de un sistema de visión artificial basado en técnicas de aprendizaje de máquina para el reconocimiento de aves del área metropolitana de Bucaramanga

dc.contributor.advisorMoreno Corzo, Feisar Enrique
dc.contributor.advisorOrtiz Beltrán, Ariel Orlando
dc.contributor.advisorCediel Martínez, Fernando
dc.contributor.authorMosquera Moreno, María Angélica
dc.coverage.spatialBucaramanga (Santander, Colombia)spa
dc.date.accessioned2022-03-28T16:31:31Z
dc.date.available2022-03-28T16:31:31Z
dc.date.issued2021-05-09
dc.identifier.urihttp://hdl.handle.net/20.500.12749/16079
dc.description.abstractLa avifauna colombiana es una de las más diversas a nivel mundial. Desafortunadamente, es uno de los campos menos enseñados por las instituciones educativas e incluso con menor información a nivel nacional. Seguido, la falta de interés por parte de la población hace más difícil fomentar el apropiamiento del entorno que les rodea e impulsa el deterioro ambiental y la extinción de muchas especies de aves endémicas de la zona. Actualmente existen diferentes aplicaciones que buscan suplir esta problemática en diferentes lugares del mundo, pero, dado que existen muchas variedades de especies, en estas soluciones se dificulta la identificación de especies de la zona metropolitana de Bucaramanga. AveDex busca crear apropiación local, ya que es una aplicación con solo aves del lugar, permitiendo que sea apoyo para los habitantes y ornitólogos. El desarrollo de este proyecto permitió la obtención de un prototipo capaz de clasificar 9 aves originarias del área metropolitana de Bucaramanga, con una precisión del 87% por medio de una imagen tomada desde la cámara del celular o una imagen escogida de la galería. Finalmente, demostró que el uso constante de ella o utilizada como herramienta de información eleva el aprendizaje sobre las aves que actualmente se pueden identificar. Actualmente, el proyecto hace parte del grupo GTI y la línea de sistemas de información e ingeniería del software más específicamente en el tema de inteligencia artificial de la Universidad Autónoma de Bucaramanga.spa
dc.description.tableofcontentsINTRODUCCIÓN ..................................................................................................... 13 2. PLANTEAMIENTO DEL PROBLEMA ...................................................................... 15 2.1 DEFINICIÓN DEL PROBLEMA .............................................................................. 15 2.2 JUSTIFICACIÓN .................................................................................................... 17 2.3 PREGUNTA DE INVESTIGACIÓN. ........................................................................ 17 3. OBJETIVOS ................................................................................................................ 18 3.1 OBJETIVO GENERAL ........................................................................................... 18 3.2 OBJETIVOS ESPECÍFICOS .................................................................................. 18 4. RESULTADOS OBTENIDOS ....................................................................................... 19 4.1 RESULTADOS OBTENIDOS POR OBJETIVO ESPECIFICO. ............................... 19 5. ANTECEDENTES ........................................................................................................ 22 6. ESTADO DEL ARTE.................................................................................................... 23 7. MARCO TEÓRICO ...................................................................................................... 36 8. DISEÑO METODOLÓGICO ......................................................................................... 58 8.1 INTRODUCCIÓN ................................................................................................... 58 8.2. MODELO DE CICLO DE VIDA DEL SOFTWARE Y MODELO DE IA. .................. 59 8.2.1. MODELO DEL CICLO DE VIDA DEL SOFTWARE .................................. 59 8.2.2. MODELO DEL CICLO DE VIDA DEL MODELO MACHINE LEARNING ...................................................................................................................................... 63 8.3 ANÁLISIS Y DISEÑO ............................................................................................. 65 8.3.1 INFORMACIÓN DEL DOMINIO DEL PROBLEMA .................................... 65 8.3.2 CATÁLOGO DE REQUISITOS DEL SISTEMA A DESARROLLAR ........ 66 8.3.3 MODELO DE CLASES DEL SISTEMA ....................................................... 94 8.3.4 ARQUITECTURA DEL SISTEMA ................................................................. 96 8.4. DISEÑO DE INTERFACES Y MANUAL DE USUARIO DEL SISTEMA. ................ 97 8.4.1. MAPA DEL SISTEMA .................................................................................... 97 9. ANÁLISIS DE RESULTADOS .................................................................................... 101 9.1. ANÁLISIS EXPLORATORIO ............................................................................... 101 9.1.1 DATAFRAMES ............................................................................................... 102 9.1.2. ANÁLISIS POR ESPECIE ........................................................................... 105 9.2. ANÁLISIS DE DESARROLLO DEL MODELO DE IA. .......................................... 114 9.3. ANÁLISIS DE TEST, PRUEBAS DE FUNCIONALIDAD Y ACEPTACIÓN. ......... 115 10. CONCLUSIONES Y RECOMENDACIONES ........................................................... 127 BIBLIOGRAFÍA .............................................................................................................. 129 DESARROLLO. ............................................................................................................. 142spa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.titlePrototipo de un sistema de visión artificial basado en técnicas de aprendizaje de máquina para el reconocimiento de aves del área metropolitana de Bucaramangaspa
dc.title.translatedPrototype of an artificial vision system based on machine learning techniques for bird recognition in the metropolitan area of ​​Bucaramangaspa
dc.degree.nameIngeniero de Sistemasspa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.rights.localAbierto (Texto Completo)spa
dc.publisher.facultyFacultad Ingenieríaspa
dc.publisher.programPregrado Ingeniería de Sistemasspa
dc.description.degreelevelPregradospa
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.localTrabajo de Gradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.subject.keywordsSystems engineerspa
dc.subject.keywordsTechnological innovationsspa
dc.subject.keywordsArtificial visionspa
dc.subject.keywordsClassificationspa
dc.subject.keywordsMachine learningspa
dc.subject.keywordsPrototype developmentspa
dc.subject.keywordsArtificial intelligencespa
dc.subject.keywordsMachine theoryspa
dc.subject.keywordsSimulation methodsspa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.relation.referencesAcevedo-Charry, O. C.-P.-Q. (2020). Avifauna Colombiana. Obtenido de Avifauna Colombiana: http://reporte.humboldt.org.co/biodiversidad/2019/cap1/103/#seccion5spa
dc.relation.referencesAkash, K. (2019). GitHub. Obtenido de GitHub: https://github.com/AKASH2907/bird_species_classificationspa
dc.relation.referencesAQUAE Fundación. (2020). AQUAE Fundación. Obtenido de AQUAE Fundación: https://www.fundacionaquae.org/el-cambio-climatico-reduce-el-tamano-de-lasaves/spa
dc.relation.referencesArispe, M., & Collarana, D. (5 de Marzo de 2017). SCIELO. Obtenido de SCIELO: http://www.scielo.org.bo/scielo.php?pid=S168307892017000100007&script=sci_arttextspa
dc.relation.referencesAvendaño, J., Bohórquez, C., Roselli, L., Arzuza-Buelvas, D., Estela, F. A., Cuervo, A. M., . . . Renjifo, L. M. (2017). Lista de chequeo de las aves de Colombia: Una síntesis del estado del conocimiento desde Hilty & Brown (1986). Ornitología Colombiana, 1-83spa
dc.relation.referencesAyerbe Quiñones, F. (2019). Guía ilustrada de la Avifauna colombiana. Bogotá: WSCspa
dc.relation.referencesBerg, T., Liu, J., Woo Lee, S., Alexander, M., Jacobs, D., & Belhumeur, P. (2014). IEEE Conference on Computer Vision and Pattern Recognition. Obtenido de IEEE Conference on Computer Vision and Pattern Recognition: https://ieeexplore-ieeeorg.aure.unab.edu.co/document/6909656spa
dc.relation.referencesBhatnagar, A. (2020). GitHub. Obtenido de GitHub: https://github.com/aniket03/self_supervised_bird_classificationspa
dc.relation.referencesBrownlee, J. (5 de Julio de 2019). Machine Learning Mastery. Obtenido de Machine Learning Mastery: https://machinelearningmastery.com/what-is-computer-vision/spa
dc.relation.referencesCediel Martínez, F. (16 de Febrero de 2020). Investigación avifauna colombiana. (M. A. Mosquera Moreno, Entrevistador)spa
dc.relation.referencesCentro Integrado Politénico "ETI". (s.f.). Centro Integrado Politénico "ETI". Obtenido de Centro Integrado Politénico "ETI": http://www.etitudela.com/celula/downloads/visionartificial.pdfspa
dc.relation.referencesCheng, L. Y. (2019). GitHub. Obtenido de https://github.com/lychengr3x/Bird-SpeciesClassification-Using-Transfer-Learningspa
dc.relation.referencesContreras, F. (2016). docPlayer.es. Obtenido de docPlayer.es: https://docplayer.es/74142729-Whitepaper-introduccion-a-machine-learning-porfabian-a-contreras-arquitecto-de-soluciones-machine-learning-sunqu-2016.htmlspa
dc.relation.referencesCornell Lab of Ornithology. (2014). NABirds Dataset. Obtenido de NABirds Dataset: https://dl.allaboutbirds.org/nabirdsspa
dc.relation.referencesCornell lab Of Ornithology. (27 de Febrero de 2020). Play Store. Obtenido de Play Store: https://play.google.com/store/apps/details?id=com.labs.merlinbirdid.app&hl=es_COspa
dc.relation.referencesDart Dev. (2011). Dart. Obtenido de Dart: https://dart.dev/brandspa
dc.relation.referencesdecide. (2019). Obtenido de decide: https://decidesoluciones.es/arquitectura-demicroservicios/spa
dc.relation.referencesDeepAI. (2020). DeepAI. Obtenido de DeepAI: https://deepai.org/machine-learningglossary-and-terms/batch-normalizationspa
dc.relation.referencesDeloitte. (2017). Deloitte Colombia - Consumo móvil en Colombia. Obtenido de Deloitte Colombia - Consumo móvil en Colombia: https://www2.deloitte.com/content/dam/Deloitte/co/Documents/technology-mediatelecommunications/Consumo%20movil(VF1).pdfspa
dc.relation.referencesDeloitte. (2019). Deloitte Colombia - Consumo móvil en Colombia . Obtenido de Deloitte Colombia - Consumo móvil en Colombia : https://www2.deloitte.com/content/dam/Deloitte/co/Documents/consumerbusiness/Reporte%20consumo%20movil%202019.pdfspa
dc.relation.referencesDurán, J. (22 de Enero de 2020). Medium. Obtenido de Medium: https://medium.com/metadatos/qu%C3%A9-es-la-transferencia-de-aprendizaje-yc%C3%B3mo-aplicarla-a-tu-red-neuronal-e0e120156e40spa
dc.relation.referencesEntre líneas. (25 de Noviembre de 2008). Obtenido de http://is3ados.blogspot.com/2008/11/los-ciclos-de-vida-del-software-ii.htmlspa
dc.relation.referencesErenli, K. (2013). IEEEXplore. 2012 15th International Conference on Interactive Collaborative Learning (ICL). Villach, Austria: IEEE. Obtenido de IEEEXplore: https://ieeexplore-ieee-org.aure.unab.edu.co/document/6402106spa
dc.relation.referencesEscuela Superior de Ingeniería y Tecnología. (25 de Abril de 2005). Escuela Superior de Ingeniería y Tecnología. Obtenido de Escuela Superior de Ingeniería y Tecnología: cc.etsii.ull.es/ftp/antiguo/VISORD/temario/uno.docspa
dc.relation.referencesFlask. (2010). FLASK. Obtenido de FLASK: https://flask.palletsprojects.com/en/1.1.x/spa
dc.relation.referencesFlutter-Dev. (2011). Flutter. Obtenido de Flutter: https://flutter.dev/brandspa
dc.relation.referencesFlutter-dex. (2020). Flutter. Obtenido de Flutter: https://flutter.dev/docs/resources/architectural-overviewspa
dc.relation.referencesGeneralitat de Catalunya. (Febrero de 2012). Visión Artificial Aplicación práctica de la visión artificial en el control de procesos industriales. Obtenido de Visión Artificial Aplicación práctica de la visión artificial en el control de procesos industriales: http://visionartificial.fpcat.cat/wpcontent/uploads/UD_1_didac_Conceptos_previos.pdfspa
dc.relation.referencesGonzález Diez, D. (25 de Julio de 2019). Universidad de Valladolid. Obtenido de Universidad de Valladolid: https://core.ac.uk/download/pdf/250406384.pdfspa
dc.relation.referencesGoogle Developers. (20 de Febrero de 2020). Google Developers. Obtenido de Google Developers: https://developers.google.com/machine-learning/crashcourse/introduction-to-neural-networks/anatomy?hl=es-419spa
dc.relation.referencesGrinberg, M. (2018). Flask Web Development Developing Web Applications With Python. Estados Unidos: O'Reilly Media, Inc. Obtenido de https://drive.google.com/drive/folders/1mMpq2WIuJKz08oQV_D80lIntK26wf9tHspa
dc.relation.referencesHuang, C., Luo, B., Tang, L., Liu, Y., & Ma, J. (2013). IEEE International Conference on Communications, Circuits and Systems (ICCCAS). Obtenido de IEEE International Conference on Communications, Circuits and Systems (ICCCAS): https://ieeexplore-ieee-org.aure.unab.edu.co/document/6765346spa
dc.relation.referencesIslam, M., Tasnim, N., & Bhatta Shuvo, S. (2019). IEEE XPLORE. Obtenido de IEEE XPLORE: https://ieeexplore-ieee-org.aure.unab.edu.co/document/8944403spa
dc.relation.referencesIyawa, G., Masikara, W., Osakwe, J., & Oduor, C. (18 de Julio de 2019). IEEEXplore. Obtenido de IEEEXplore: https://ieeexplore-ieeeorg.aure.unab.edu.co/document/8764865/authorsspa
dc.relation.referencesJungmo, A., Jeongyeup, P., & JeongGil, K. (2016). IEEE 22nd International Conference on Embedded and Real-Time Computing Systems and Applications. Obtenido de IEEE 22nd International Conference on Embedded and Real-Time Computing Systems and Applications: https://ieeexplore-ieeeorg.aure.unab.edu.co/document/7579939spa
dc.relation.referencesJunta de Andalucia. (2017). Ciclo de vida basado en prototipos. Obtenido de http://agrega.juntadeandalucia.es/repositorio/20022017/6b/esan_2017022012_9122843/53_ciclo_de_vida_basado_en_prototipos.htmlspa
dc.relation.referencesKang, M.-S., & Hong, K.-S. (2018). IEEE International Conference on Information and Communication Technology Convergence (ICTC). Obtenido de IEEE International Conference on Information and Communication Technology Convergence (ICTC): https://ieeexplore-ieee-org.aure.unab.edu.co/document/8539463spa
dc.relation.referencesKarim, R. (Julio de 2019). Towards Data science. Obtenido de Towards Data science: https://towardsdatascience.com/illustrated-10-cnn-architectures95d78ace614d#e971spa
dc.relation.referencesKumar, A. (2020). GitHub. Obtenido de GitHub: https://github.com/birdsiitmandi/birds_image_classificationspa
dc.relation.referencesLee, S., Lee, M., Jeon, H., & Smith, A. (2019). IEEE 6th International Conference on Control, Decision and Information Technologies (CoDIT). Obtenido de IEEE 6th International Conference on Control, Decision and Information Technologies (CoDIT): https://ieeexplore-ieee-org.aure.unab.edu.co/document/8820331spa
dc.relation.referencesLemley, J., Bazrafkan, S., & Corcoran, P. (Abril de 2017). ResearchGate. Obtenido de ResearchGate: https://www.researchgate.net/publication/316748306_Transfer_Learning_of_Temp oral_Information_for_Driver_Action_Classification/citationsspa
dc.relation.referencesLiu, Y., Sun, P., Highsmith, M., Wergeles, N., Sartwell, J., Raedeke, A., . . . Shang, Y. (2018). IEEE Third International Conference on Data Science in Cyberspace (DSC). Obtenido de IEEE Third International Conference on Data Science in Cyberspace (DSC): https://ieeexplore-ieeeorg.aure.unab.edu.co/document/8411873spa
dc.relation.referencesLohr, D. (2019). GitHub. Obtenido de GitHub: https://github.com/djl70/cv-bird-idspa
dc.relation.referencesMalav, B. (16 de Diciembre de 2017). Medium. Obtenido de Medium: https://medium.com/startlovingyourself/microservices-vs-monolithic-architecturec8df91f16bb4spa
dc.relation.referencesMarini, A., Facon, J., & Koerich, A. (2013). IEEE International Conference on Systems, Man, and Cybernetics. Obtenido de IEEE International Conference on Systems, Man, and Cybernetics: https://ieeexplore-ieeeorg.aure.unab.edu.co/document/6722493spa
dc.relation.referencesMarini, E. (Octubre de 2012). Obtenido de https://www.linuxito.com/docs/el-modelocliente-servidor.pdfspa
dc.relation.referencesMartinez Castillo, R. (2012). Ensayo crítico sobre educación ambiental. Diálogos educativos, 74-104spa
dc.relation.referencesMinisterio de educación. (1962). DECRETO 45 DE 1962. Obtenido de DECRETO 45 DE 1962: https://www.mineducacion.gov.co/1759/articles-103679_archivo_pdf.pdfspa
dc.relation.referencesMosquera Moreno, M. A. (Agosto de 2020). Conocimiento sobre la avifauna en la zona metropolitana de Bucaramanga. Bucaramanga, Colombia. Obtenido de https://docs.google.com/spreadsheets/d/1c8StBohC7Kc0RydQF36NAl_DFHGfJ__ Fh5yhCx-WgOU/edit?usp=sharingspa
dc.relation.referencesMufid, M. R., AI Rasyid, M. H., Basofi, A., Rokhim, A., & Rochimansyah, I. F. (2019). IEEE Xplore 2019 International Electronics Symposium (IES). Obtenido de IEEE Xplore 2019 International Electronics Symposium (IES): https://ieeexplore-ieeeorg.aure.unab.edu.co/document/8901656spa
dc.relation.referencesNawaz, S., Calefati, A., Caraffini, M., Landro, N., & Gallo, I. (2019). IEEE International Conference on Image and Vision Computing New Zealand (IVCNZ). Obtenido de IEEE International Conference on Image and Vision Computing New Zealand (IVCNZ): https://ieeexplore-ieee-org.aure.unab.edu.co/document/8960960spa
dc.relation.referencesNiemi, J., & Tanttu, J. (2019). IEEE International Symposium ELMAR. Obtenido de IEEE International Symposium ELMAR: https://ieeexplore-ieeeorg.aure.unab.edu.co/document/8124482spa
dc.relation.referencesOrdieres-Meré, J., Castejón Limas, M., Martínez de Pisón Ascacibar, F. J., Alba-Elías, F., González-Marcos, A., Pernía-Espinoza, A., & Vergara, E. (2006). Técnicas y algoritmos básicos de visión artificial. España: Universidad de La Rioja. Servicio de Publicacionesspa
dc.relation.referencesPérez Roldán, I. (Julio de 2019). Archivol Digital Universidad Politécnica de Madrid. Obtenido de Archivol Digital Universidad Politécnica de Madrid: http://oa.upm.es/56163/1/TFG_ISMAEL_PEREZ_ROLDAN.pdfspa
dc.relation.referencesPineda, L. (2009). Inteligencia Artificial. Obtenido de Inteligencia Artificial: http://turing.iimas.unam.mx/~luis/cursos/IA09/slides/s1_inteligencia_artificial.pdfspa
dc.relation.referencesPlantSnap, Inc. (28 de Febrero de 2020). Play Store. Obtenido de Play Store: https://play.google.com/store/apps/details?id=com.fws.plantsnap2&hl=es_COhttps: //play.google.com/store/apps/details?id=com.fws.plantsnap2&hl=es_COspa
dc.relation.referencesQiao, B., Zhou, Z., Yang, H., & Cao, J. (2017). IEEE First International Conference on Electronics Instrumentation & Information Systems (EIIS). Obtenido de IEEE First International Conference on Electronics Instrumentation & Information Systems (EIIS): https://ieeexplore-ieee-org.aure.unab.edu.co/document/8298548spa
dc.relation.referencesRAE. (2020). Obtenido de https://dle.rae.es/avifaunaspa
dc.relation.referencesRevista semana. (11 de Mayo de 2018). Semana Sostenible. Obtenido de Semana Sostenible: https://sostenibilidad.semana.com/medio-ambiente/articulo/aviturismotiene-un-enorme-potencial-economico-en-colombia/40965spa
dc.relation.referencesSancho Peña, M. (28 de Noviembre de 2017). Repositorio Institucional de la Universidad de Alicante. Obtenido de Repositorio Institucional de la Universidad de Alicante: http://rua.ua.es/dspace/handle/10045/71527spa
dc.relation.referencesShahana, Z. (2018). GitHub. Obtenido de GitHub: https://github.com/zahan97/BirdSpecies-Classificationspa
dc.relation.referencesSiwalu Software GmbH. (6 de Marzo de 2020). Play Store. Obtenido de Play Store: https://play.google.com/store/apps/details?id=com.siwalusoftware.dogscanner&hl= es_COspa
dc.relation.referencesVan Horn, G., Branson , S., Farrell, R., Haber, S., Barry, J., Ipeirotis, P., . . . Bolongie, S. (2015). IEEE Conference on Computer Vision and Pattern Recognition (CVPR). Obtenido de IEEE Conference on Computer Vision and Pattern Recognition (CVPR): https://ieeexplore-ieee-org.aure.unab.edu.co/document/7298658spa
dc.relation.referencesVázques Rodríguez, V. (2019). Desarrollo de aplicaciones móviles multiplataforma con Flutter. Obtenido de Desarrollo de aplicaciones móviles multiplataforma con Flutter: http://repositorio.ual.es/bitstream/handle/10835/8010/TFG_VAZQUEZ%20RODRI GUEZ,%20VICTOR.pdf?sequence=1spa
dc.relation.referencesVega Arias, J. (Junio de 2019). Universitat Oberta de Catalunya. Obtenido de Universitat Oberta de Catalunya: http://openaccess.uoc.edu/webapps/o2/bitstream/10609/98767/6/jvegaarTFM0619 memoria.pdfspa
dc.relation.referencesVeyssier, L. (2020). GitHub. Obtenido de GitHub: https://github.com/LaurentVeyssier/Bird_Classifier_Tensorflow_Colab_Notebookspa
dc.relation.referencesVIvek, K. (22 de Julio de 2019). Analytics Insight. Obtenido de Analytics Insight: https://www.analyticsinsight.net/state-computer-vision-now-future/spa
dc.relation.referencesWah, C., Branson, S., Welinder, P., Perona, P., & Belongie, S. (2011). The Caltech-UCSD Birds-200-2011 Dataset. Obtenido de The Caltech-UCSD Birds-200-2011 Dataset.: http://www.vision.caltech.edu/visipedia/papers/CUB_200_2011.pdfspa
dc.relation.referencesWei, X.-S., Wang, P., Liu, L., & Wu, J. (2019). IEEE Transactions on Image Processing, vol. 28, no. 12, pp. 6116-6125. Obtenido de IEEE Transactions on Image Processing, vol. 28, no. 12, pp. 6116-6125: https://ieeexplore-ieeeorg.aure.unab.edu.co/document/8752297spa
dc.relation.referencesZazo Millán, C. (15 de Octubre de 2019). Migración de aplicaciones Android hacia Flutter, un framework para desarrollo de apps multiplataforma. Obtenido de Migración de aplicaciones Android hacia Flutter, un framework para desarrollo de apps multiplataforma: http://hdl.handle.net/10251/128486spa
dc.relation.referencesZhang, X., Xiong, H., Zhou, W., Lin, W., & Tian, Q. (2016). IEEE Conference on Computer Vision and Pattern Recognition (CVPR). Obtenido de IEEE Conference on Computer Vision and Pattern Recognition (CVPR): https://ieeexplore-ieeeorg.aure.unab.edu.co/document/7780497spa
dc.relation.referencesZheng, H., Fu, J., Mei, T., & Luo, J. (2017). IEEE International Conference on Computer Vision (ICCV). Obtenido de IEEE International Conference on Computer Vision (ICCV): https://ieeexplore-ieee-org.aure.unab.edu.co/document/8237819spa
dc.contributor.cvlacMoreno Corzo, Feisar Enrique [0001499008]spa
dc.contributor.cvlacOrtiz Beltrán, Ariel Orlando [0001459925]spa
dc.contributor.googlescholarMoreno Corzo, Feisar Enrique [es&oi=ao]spa
dc.contributor.orcidMoreno Corzo, Feisar Enrique [0000-0002-5007-3422]spa
dc.contributor.researchgateMoreno Corzo, Feisar Enrique [Feisar-Enrique-Moreno-Corzo-2169498891]spa
dc.contributor.researchgateOrtiz Beltrán, Ariel Orlando [Ariel_Ortiz_Beltran]spa
dc.subject.lembIngeniería de sistemasspa
dc.subject.lembInnovaciones tecnológicasspa
dc.subject.lembDesarrollo de prototiposspa
dc.subject.lembInteligencia artificialspa
dc.subject.lembTeoría de las máquinasspa
dc.subject.lembMetodos de simulaciónspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.description.abstractenglishThe Colombian avifauna is one of the most diverse in the world. Unfortunately, it is one of the least taught fields by educational institutions and with even less information at the national level. Often, the lack of interest on the part of the population makes it more difficult to promote the appropriation of the environment that surrounds them and drives environmental deterioration and the extinction of many species of endemic birds in the area. Currently there are different applications that seek to solve this problem in different parts of the world, but, since there are many varieties of species, these solutions make it difficult to identify species in the metropolitan area of ​​Bucaramanga. AveDex seeks to create local appropriation, since it is an application with only local birds, allowing it to be support for the inhabitants and ornithologists. The development of this project allowed obtaining a prototype capable of classifying 9 birds originating from the Bucaramanga metropolitan area, with an accuracy of 87% by means of an image taken from the cell phone camera or an image chosen from the gallery. Finally, it showed that the constant use of it or used as an information tool increases learning about the birds that can currently be identified. Currently, the project is part of the GTI group and the line of information systems and software engineering, more specifically on the subject of artificial intelligence of the Autonomous University of Bucaramanga.spa
dc.subject.proposalVisión artificialspa
dc.subject.proposalAvifaunaspa
dc.subject.proposalClasificaciónspa
dc.subject.proposalAprendizaje automáticospa
dc.type.redcolhttp://purl.org/redcol/resource_type/TP
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.description.learningmodalityModalidad Presencialspa


Ficheros en el ítem

Thumbnail
Nombre:
2021_Tesis_Maria_Angelica_More ...
Tamaño:
5.408Mb
Formato:
PDF
Descripción:
Tesis
Ver/
Thumbnail
Nombre:
2021_Licencia_Maria_Angelica_M ...
Tamaño:
188.8Kb
Formato:
PDF
Descripción:
Licencia
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Atribución-NoComercial-SinDerivadas 2.5 Colombia
Excepto si se señala otra cosa, la licencia del ítem se describe como Atribución-NoComercial-SinDerivadas 2.5 Colombia