Sistema de reconocimiento de imágenes para detectar aeronaves utilizando YOLO
El presente proyecto persigue la implementación de un sistema de reconocimiento de aeronaves aplicando inteligencia artificial y de manera específica visión artificial; para lo cual, en primer lugar, se generó una base de datos con imágenes donde se observan aeronaves realizando maniobras evasivas,...
Guardat en:
| Autor principal: | |
|---|---|
| Format: | bachelorThesis |
| Publicat: |
2024
|
| Matèries: | |
| Accés en línia: | https://repositorio.espe.edu.ec/handle/21000/39353 |
| Etiquetes: |
Afegir etiqueta
Sense etiquetes, Sigues el primer a etiquetar aquest registre!
|
Afegir etiqueta | Sumari: | El presente proyecto persigue la implementación de un sistema de reconocimiento de aeronaves aplicando inteligencia artificial y de manera específica visión artificial; para lo cual, en primer lugar, se generó una base de datos con imágenes donde se observan aeronaves realizando maniobras evasivas, ya que el sistema de defensa aérea nacional utiliza sensores electro ópticos tales como: BRITE STAR DP y STAR SAFFIRE III, usados actualmente para realizar misiones de vigilancia y reconocimiento en el espacio aéreo. Una vez con una base de datos alineada al requerimiento del sistema pasa a la etapa de pre procesamiento la cual estandariza las dimensiones de cada imagen y se verifica la arquitectura del algoritmo de visión artificial. La arquitectura utilizada se basa en redes neuronales convolucionales YOLOV5; la cual, al ser una red pre entrenada puede ser customizada de acuerdo al requerimiento presentado inicialmente. Preprocesadas las imágenes ingresan a un software libre LabelImg que permite etiquetar los objetos dentro de la imagen generando un cuadro delimitador que entrega archivos en formato XML, ya con los archivos se procede con la etapa de entrenamiento y validación de la red neuronal. Se incorpora una herramienta llamada Google Colab, la cual permite adquirir varios núcleos de procesamientos CPU´s y Unidades de Procesamiento Gráfica GPU´s en la nube, disminuyendo el tiempo de procesamiento considerando el número de épocas, tamaño del bache e imagen, tamaño de la ventana entre otros parámetros. Para identificar el desempeño de la red se adquirieron hiperparámetros tales como: F1 Score, Accuracy, mAP, entre otros obteniendo como resultado un sistema de reconocimiento de aeronaves basado en una red neuronal YOLOv5 customizada. El sistema diseñado tuvo métricas de desempeño tales como: Precisión promedio principal mAP [0.5:0.95] = 0.90536, precisión (precision) = 0.99992 y recuperación (recall) = 1, indicadores muestran un sistema satisfactorio. El proyecto de investigación está seccionado en Introducción, Visión General del Campo de Investigación, Yolo Only Look Once, Implementación del Sistema de Reconocimiento de imágenes, Conclusiones y Recomendaciones. |
|---|