Controlador para alimentación de peces empleando Deep Learning
No Thumbnail Available
Files
Date
2022
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Técnica de Ambato. Facultad de Ingeniería en Sistemas, Electrónica e Industrial. Maestría en Electrónica y Automatización
Abstract
This degree project consists of the design and implementation of a controller for fish feeding using Deep Learning for which a Raspberry minicomputer and a lowcost
Web camera were used, this significantly reduced the investment for project development. The main objective consists in the creation of a manually labeled dataset
(set of images) of several zebra-type fish (Danio Rerio) located inside a fish tank uniformly illuminated by white LED light. In this case, it was decided to use two
videos with the presence of 4 and 6 fish, respectively. Through the use of a computational algorithm, the sequence of images of the fish where their movements
can be identified were obtained. This information is used to train a convolutional
network using the ACF (Aggregated Channel Characteristics) image object detection
algorithm. Once the location of the fish inside the fish tank is determined, the feeling
of the school is identified through the implementation of three zones, that is, the
developed algorithm will allow knowing if the fish are in a satisfaction zone, a normal
zone or a normal zone. feeding. Finally, the FuzzySN, FuzzySH and FuzzyNH indices
contain the feeling of the fish and are the inputs of a fuzzy controller which in turn
contains the feeding rules based on the natural behavior of the fish; In this way, the
developed system is capable of feeding the fish automatically. The minimum
identification error reached was 29.5%, but the identification of the behavior of the
school of fish had a success rate of 100%. The test carried out to validate the algorithm
was given for a case of manual feeding by an operator, where the system was able to
correctly identify the feeling of the school as satisfied.
Description
El presente proyecto de titulación consiste en el diseño e implementación de un controlador para alimentación de peces empleado Deep Learning para lo cual se utilizó un miniordenador Raspberry y una cámara Web de bajo costo económico, esto redujo notablemente la inversión para desarrollo del proyecto. El objetivo principal consiste en la creación de un Dataset (conjunto de imágenes) etiquetado manualmente
de varios peces tipo cebra (Danio Rerio) ubicados dentro de una pecera iluminada
uniformemente mediante luz led blanca. En este caso se decidió utilizar dos videos con
la presencia de 4 y 6 peces, respectivamente. Mediante la utilización de un algoritmo
computacional se obtuvieron la secuencia de imágenes de los peces donde se puede
identificar sus movimientos. Esta información es utilizada para entrenar una red
convolucional mediante el algoritmo de detección de objetos en imágenes ACF
(Características Agregadas de Canal). Una vez determinada la ubicación de los peces dentro de la pecera se procede a identificar el sentimiento del cardumen mediante la
implementación de tres zonas, es decir, el algoritmo desarrollado permitirá saber si los
peces están en una zona de satisfacción, zona normal o una zona de alimentación.
Finalmente, los índices FuzzySN, FuzzySH y FuzzyNH contienen el sentimiento de
los peces y son las entradas de un controlador difuso (fuzzy) que a su vez contiene las
reglas de alimentación basado en el comportamiento natural de los peces; de esta
manera el sistema desarrollado es capaz de alimentar a los peces de forma automática.
El error mínimo de identificación alcanzado fue de 29.5% pero la identificación del
comportamiento del cardumen de peces tuvo un acierto del 100%. La prueba realizada
para validar el algoritmo se dio para un caso de alimentación manual por parte de un
operario, donde el sistema logro identificar correctamente el sentimiento del cardumen
como satisfecho.
Keywords
ACF, DIFUSO, DEEP LEARNING, DATASET, PROCESAMIENTO DE IMÁGENES