Clasificación automática para animales en peligro de extinción de Colombia usando redes neuronales convolucionales
La extinción de distintos tipos de animales es un problema que ha ido creciendo a lo largo de los años y que, en consecuencia, ha provocado problemas medioambientales, como el cambio climático. La diversidad genética (biodiversidad) es esencial para el desarrollo de todas las especies y los seres hu...
- Autores:
-
Rivera Carrillo, Andrés Felipe
Cardozo Sarmiento, Darwin Orlando
Martínez Campo, Sergio
- Tipo de recurso:
- Article of investigation
- Fecha de publicación:
- 2021
- Institución:
- Universidad Cooperativa de Colombia
- Repositorio:
- Repositorio UCC
- Idioma:
- OAI Identifier:
- oai:repository.ucc.edu.co:20.500.12494/47629
- Acceso en línea:
- https://hdl.handle.net/20.500.12494/47629
- Palabra clave:
- Animales
Extinción
Redes Neuronales Artificiales
Animals
Extinction
Artificial Neural Networks
- Rights
- openAccess
- License
- Atribución – No comercial
| id |
COOPER2_c26542f410a93ca305d095fb9dab788e |
|---|---|
| oai_identifier_str |
oai:repository.ucc.edu.co:20.500.12494/47629 |
| network_acronym_str |
COOPER2 |
| network_name_str |
Repositorio UCC |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Clasificación automática para animales en peligro de extinción de Colombia usando redes neuronales convolucionales |
| title |
Clasificación automática para animales en peligro de extinción de Colombia usando redes neuronales convolucionales |
| spellingShingle |
Clasificación automática para animales en peligro de extinción de Colombia usando redes neuronales convolucionales Animales Extinción Redes Neuronales Artificiales Animals Extinction Artificial Neural Networks |
| title_short |
Clasificación automática para animales en peligro de extinción de Colombia usando redes neuronales convolucionales |
| title_full |
Clasificación automática para animales en peligro de extinción de Colombia usando redes neuronales convolucionales |
| title_fullStr |
Clasificación automática para animales en peligro de extinción de Colombia usando redes neuronales convolucionales |
| title_full_unstemmed |
Clasificación automática para animales en peligro de extinción de Colombia usando redes neuronales convolucionales |
| title_sort |
Clasificación automática para animales en peligro de extinción de Colombia usando redes neuronales convolucionales |
| dc.creator.fl_str_mv |
Rivera Carrillo, Andrés Felipe Cardozo Sarmiento, Darwin Orlando Martínez Campo, Sergio |
| dc.contributor.author.none.fl_str_mv |
Rivera Carrillo, Andrés Felipe Cardozo Sarmiento, Darwin Orlando Martínez Campo, Sergio |
| dc.subject.spa.fl_str_mv |
Animales Extinción Redes Neuronales Artificiales |
| topic |
Animales Extinción Redes Neuronales Artificiales Animals Extinction Artificial Neural Networks |
| dc.subject.other.spa.fl_str_mv |
Animals Extinction Artificial Neural Networks |
| description |
La extinción de distintos tipos de animales es un problema que ha ido creciendo a lo largo de los años y que, en consecuencia, ha provocado problemas medioambientales, como el cambio climático. La diversidad genética (biodiversidad) es esencial para el desarrollo de todas las especies y los seres humanos dependen de ella en su vida cotidiana. Cuando la biodiversidad disminuye, la esperanza de vida del ser humano se reduce, no sólo desde el punto de vista ecológico, sino también desde el punto de vista de los recursos, incluso para poder tener especies adaptadas a un nicho ecológico. En esta investigación se expondrá una estrategia informática que a lo largo del tiempo ha logrado grandes resultados; las redes neuronales convolucionales es un proceso que ha facilitado el monitoreo de diferentes tipos de animales en los últimos años, esto, con el fin de facilitar el proceso de reconocimiento y conteo de animales, enfocado a la agricultura y la zoología. Para ello, se utilizará una arquitectura en el campo de las redes neuronales convolucionales (CNN), Alexnet, que tiene referencias con resultados muy elevados. Además, se utiliza el software de programación matemática Matlab para el desarrollo de la red neuronal. Obteniendo de esta forma un resultado de precisión de validación del 97,52%, con la utilización de un conjunto de datos con 3026 imágenes, en donde, el 80% se utilizan para el entrenamiento y el 20% para la validación. |
| publishDate |
2021 |
| dc.date.issued.none.fl_str_mv |
2021-07-01 |
| dc.date.accessioned.none.fl_str_mv |
2022-12-21T12:05:13Z |
| dc.date.available.none.fl_str_mv |
2022-12-21T12:05:13Z |
| dc.type.none.fl_str_mv |
Artículos Científicos |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
| dc.type.coarversion.none.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/article |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| format |
http://purl.org/coar/resource_type/c_2df8fbb1 |
| status_str |
publishedVersion |
| dc.identifier.isbn.spa.fl_str_mv |
2216-0353 |
| dc.identifier.issn.spa.fl_str_mv |
2216-03888 |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12494/47629 |
| dc.identifier.bibliographicCitation.spa.fl_str_mv |
Rivera Carrillo, A. F., Cardozo Sarmiento, D. O., & Martínez Campo, S. (2021). Clasificación automática para animales en peligro de extinción de Colombia usando redes neuronales convolucionales. Mundo FESC, 11(22), 95-105. Recuperado a partir de https://www.fesc.edu.co/Revistas/OJS/index.php/mundofesc/article/view/1031 |
| identifier_str_mv |
2216-0353 2216-03888 Rivera Carrillo, A. F., Cardozo Sarmiento, D. O., & Martínez Campo, S. (2021). Clasificación automática para animales en peligro de extinción de Colombia usando redes neuronales convolucionales. Mundo FESC, 11(22), 95-105. Recuperado a partir de https://www.fesc.edu.co/Revistas/OJS/index.php/mundofesc/article/view/1031 |
| url |
https://hdl.handle.net/20.500.12494/47629 |
| dc.relation.isversionof.spa.fl_str_mv |
https://www.fesc.edu.co/Revistas/OJS/index.php/mundofesc/article/view/1031 |
| dc.relation.ispartofjournal.spa.fl_str_mv |
Mundo FESC |
| dc.relation.references.spa.fl_str_mv |
“Que son las redes neuronales y sus funciones,”22 Oct 2019. [En línea]. Disponible en: https://www.atriainnovation.com/que-son-las-redes-neuronales-y-sus-funciones/#:~:text=Las%20redes%20neuronales%20artificiales%20son,entrada%20hasta%20generar%20una%20salida S. Silva and E. Freire “Intro a las redes neuronales convolucionales”, 23 Nov 2019. [En línea]. Disponible en: https://bootcampai.medium.com/redes-neuronales-convolucionales-5e0ce960caf8 G. Li, L. Bai, C. Zhu, E. Wu and R. Ma, "A Novel Method of Synthetic CT Generation from MR Images Based on Convolutional Neural Networks", 11th International Congress on Image and Signal Processing, BioMedical Engineering and Informatics (CISP-BMEI), pp. 1-5, 2018. doi: 10.1109/CISP-BMEI.2018.8633142 K. Singh, A. Seth, H. S. Sandhu and K. Samdani, "A Comprehensive Review of Convolutional Neural Network based Image Enhancement Techniques",IEEE International Conference on System, Computation, Automation and Networking (ICSCAN), pp. 1-6, 2019. doi: 10.1109/ ICSCA N.2019.8878706 B. Chen, J. Li, B. Ma and G. Wei, "Convolutional sparse coding classification model for image classification", IEEE International Conference on Image Processing (ICIP), pp. 1918-1922, 2016. doi: 10.1109/ICIP.2016.7532692 Z. Gong, C. Sun, W. Guo, W. Tan, W. Zhou and G. Zhang, "Automated Thalamus Segmentation in MR Images Using Convolutional Networks",IEEE 3rd International Conference of Safe Production and Informatization (IICSPI), pp. 158-161, 2020. doi: 10.1109/IICSPI51290.2020.9332452 C. Jia, X. Zhang, J. Zhang, S. Wang and S. Ma, "Deep convolutional network based image quality enhancement for low bit rato image compression", Visual Communications and Image Processing (VCIP), pp. 1-4, 2016. doi: 10.1109/VCIP.2016.7805504 N. Manjón “16 animales en peligro de extinción en Colombia”, 10 Agosto 2020. [En línea]. Disponible en: https://www.ecologiaverde.com/16-animales-en-peligro-de-extincion-en-colombia-1909.html A. Noor, Y. Q. Zhao, A. Koubaa, L. W. Wu, R. Khan and F. Y. O. Abdalla, “Automated sheep facial expression classification using deep transfer learning”, Computers And Electronics In Agriculture. [Online]. Available: http://apps.webof knowledge.com.bdbiblioteca.ufps.edu.co:2048/full_record.do?product=WOS&search_cheurlFromRightClick=no F. de Lima, de Moraes V. Aparecida, Menezes, G. Vilharva, “Recognition of Pantaneira cattle breed using computer vision and convolutional neural networks”, Computers and electronics in agriculture. [Online]. Available: http://apps.webofknowledge.com.bdbiblioteca.ufps.edu.co:2048/full_record.oc=4&cacheurlFromRightClick=no M. Mathieu, M. Jiangqiang, S. Xiaocai, “An adaptive pig face recognition approach using Convolutional Neural Networks” Computers and electronics in agriculture [Online]. Available: http://apps.webof knowledge.com.bdbiblioteca.ufps.edu.co:2048/full_record.do?product=WOS&search_oc=11&cacheurlFromRightClick=no C. Daegyu, C. Eunjeong, K. Dong Keun, “The Real-Time Mobile Application for Classifying of Endangered Parrot Species Using the CNN Models Based on Transfer Learning” Mobile information systems. [Online]. Available: http://apps.webof knowledge.com.bdbiblioteca.ufps.edu.co:2048/full_record.do?product=WOS&search_c=24&cacheurlFromRightClick=no |
| dc.rights.license.none.fl_str_mv |
Atribución – No comercial |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Atribución – No comercial http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
95 -105 p. |
| dc.coverage.temporal.spa.fl_str_mv |
Vol. 12 Núm. 24 (2022) |
| dc.publisher.spa.fl_str_mv |
Universidad Cooperativa de Colombia, Facultad de Ingenierías, Ingeniería Electrónica, Santa Marta |
| dc.publisher.program.spa.fl_str_mv |
Ingeniería Electrónica |
| dc.publisher.place.spa.fl_str_mv |
Santa Marta |
| institution |
Universidad Cooperativa de Colombia |
| bitstream.url.fl_str_mv |
https://repository.ucc.edu.co/bitstreams/87549256-fdf5-4a0c-9eea-b81d77411b82/download |
| bitstream.checksum.fl_str_mv |
8a4605be74aa9ea9d79846c1fba20a33 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Cooperativa de Colombia |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1811565119940853760 |
| spelling |
Rivera Carrillo, Andrés FelipeCardozo Sarmiento, Darwin OrlandoMartínez Campo, SergioVol. 12 Núm. 24 (2022)2022-12-21T12:05:13Z2022-12-21T12:05:13Z2021-07-012216-03532216-03888https://hdl.handle.net/20.500.12494/47629Rivera Carrillo, A. F., Cardozo Sarmiento, D. O., & Martínez Campo, S. (2021). Clasificación automática para animales en peligro de extinción de Colombia usando redes neuronales convolucionales. Mundo FESC, 11(22), 95-105. Recuperado a partir de https://www.fesc.edu.co/Revistas/OJS/index.php/mundofesc/article/view/1031La extinción de distintos tipos de animales es un problema que ha ido creciendo a lo largo de los años y que, en consecuencia, ha provocado problemas medioambientales, como el cambio climático. La diversidad genética (biodiversidad) es esencial para el desarrollo de todas las especies y los seres humanos dependen de ella en su vida cotidiana. Cuando la biodiversidad disminuye, la esperanza de vida del ser humano se reduce, no sólo desde el punto de vista ecológico, sino también desde el punto de vista de los recursos, incluso para poder tener especies adaptadas a un nicho ecológico. En esta investigación se expondrá una estrategia informática que a lo largo del tiempo ha logrado grandes resultados; las redes neuronales convolucionales es un proceso que ha facilitado el monitoreo de diferentes tipos de animales en los últimos años, esto, con el fin de facilitar el proceso de reconocimiento y conteo de animales, enfocado a la agricultura y la zoología. Para ello, se utilizará una arquitectura en el campo de las redes neuronales convolucionales (CNN), Alexnet, que tiene referencias con resultados muy elevados. Además, se utiliza el software de programación matemática Matlab para el desarrollo de la red neuronal. Obteniendo de esta forma un resultado de precisión de validación del 97,52%, con la utilización de un conjunto de datos con 3026 imágenes, en donde, el 80% se utilizan para el entrenamiento y el 20% para la validación.The extinction of different types of animals is a problem that has been growing over the years, and that, consequently, has caused environmental problems, such as climate change. Genetic diversity (biodiversity) is essential for the development of all species and human beings depend on it in their daily lives. When biodiversity decreases, human life expectancy is reduced, not only from an ecological point of view, but also from a resource point of view, even to be able to have species that are adapted to an ecological niche. This research will expose a computer strategy that over time has achieved great results; convolutional neural networks is a process that has facilitated the monitoring of different kinds of animals in recent years, this, in order to facilitate the process of recognition and counting of animals, focused on agriculture and zoology. For this, an architecture in the field of convolutional neural networks (CNN) will be used, Alexnet, which has references with very high results. In addition, the mathematical programming software Matlab is used for the development of the neural network. Getting of this way a result of accuracy of validation of 97,52%, with the use of a dataset with 3026 images, in where, 80% are used for training and 20% for validation.https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001554748https://orcid.org/0000-0001-9537-0650sergio.martinezc@campusucc.edu.codarwinorlandocs@ufps.edu.co95 -105 p.Universidad Cooperativa de Colombia, Facultad de Ingenierías, Ingeniería Electrónica, Santa MartaIngeniería ElectrónicaSanta Martahttps://www.fesc.edu.co/Revistas/OJS/index.php/mundofesc/article/view/1031Mundo FESC“Que son las redes neuronales y sus funciones,”22 Oct 2019. [En línea]. Disponible en: https://www.atriainnovation.com/que-son-las-redes-neuronales-y-sus-funciones/#:~:text=Las%20redes%20neuronales%20artificiales%20son,entrada%20hasta%20generar%20una%20salidaS. Silva and E. Freire “Intro a las redes neuronales convolucionales”, 23 Nov 2019. [En línea]. Disponible en: https://bootcampai.medium.com/redes-neuronales-convolucionales-5e0ce960caf8G. Li, L. Bai, C. Zhu, E. Wu and R. Ma, "A Novel Method of Synthetic CT Generation from MR Images Based on Convolutional Neural Networks", 11th International Congress on Image and Signal Processing, BioMedical Engineering and Informatics (CISP-BMEI), pp. 1-5, 2018. doi: 10.1109/CISP-BMEI.2018.8633142K. Singh, A. Seth, H. S. Sandhu and K. Samdani, "A Comprehensive Review of Convolutional Neural Network based Image Enhancement Techniques",IEEE International Conference on System, Computation, Automation and Networking (ICSCAN), pp. 1-6, 2019. doi: 10.1109/ ICSCA N.2019.8878706B. Chen, J. Li, B. Ma and G. Wei, "Convolutional sparse coding classification model for image classification", IEEE International Conference on Image Processing (ICIP), pp. 1918-1922, 2016. doi: 10.1109/ICIP.2016.7532692Z. Gong, C. Sun, W. Guo, W. Tan, W. Zhou and G. Zhang, "Automated Thalamus Segmentation in MR Images Using Convolutional Networks",IEEE 3rd International Conference of Safe Production and Informatization (IICSPI), pp. 158-161, 2020. doi: 10.1109/IICSPI51290.2020.9332452C. Jia, X. Zhang, J. Zhang, S. Wang and S. Ma, "Deep convolutional network based image quality enhancement for low bit rato image compression", Visual Communications and Image Processing (VCIP), pp. 1-4, 2016. doi: 10.1109/VCIP.2016.7805504N. Manjón “16 animales en peligro de extinción en Colombia”, 10 Agosto 2020. [En línea]. Disponible en: https://www.ecologiaverde.com/16-animales-en-peligro-de-extincion-en-colombia-1909.htmlA. Noor, Y. Q. Zhao, A. Koubaa, L. W. Wu, R. Khan and F. Y. O. Abdalla, “Automated sheep facial expression classification using deep transfer learning”, Computers And Electronics In Agriculture. [Online]. Available: http://apps.webof knowledge.com.bdbiblioteca.ufps.edu.co:2048/full_record.do?product=WOS&search_cheurlFromRightClick=noF. de Lima, de Moraes V. Aparecida, Menezes, G. Vilharva, “Recognition of Pantaneira cattle breed using computer vision and convolutional neural networks”, Computers and electronics in agriculture. [Online]. Available: http://apps.webofknowledge.com.bdbiblioteca.ufps.edu.co:2048/full_record.oc=4&cacheurlFromRightClick=noM. Mathieu, M. Jiangqiang, S. Xiaocai, “An adaptive pig face recognition approach using Convolutional Neural Networks” Computers and electronics in agriculture [Online]. Available: http://apps.webof knowledge.com.bdbiblioteca.ufps.edu.co:2048/full_record.do?product=WOS&search_oc=11&cacheurlFromRightClick=noC. Daegyu, C. Eunjeong, K. Dong Keun, “The Real-Time Mobile Application for Classifying of Endangered Parrot Species Using the CNN Models Based on Transfer Learning” Mobile information systems. [Online]. Available: http://apps.webof knowledge.com.bdbiblioteca.ufps.edu.co:2048/full_record.do?product=WOS&search_c=24&cacheurlFromRightClick=noAnimalesExtinciónRedes Neuronales ArtificialesAnimalsExtinctionArtificial Neural NetworksClasificación automática para animales en peligro de extinción de Colombia usando redes neuronales convolucionalesArtículos Científicoshttp://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/version/c_970fb48d4fbd8a85info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionAtribución – No comercialinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2PublicationLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repository.ucc.edu.co/bitstreams/87549256-fdf5-4a0c-9eea-b81d77411b82/download8a4605be74aa9ea9d79846c1fba20a33MD5120.500.12494/47629oai:repository.ucc.edu.co:20.500.12494/476292024-08-10 21:03:09.072metadata.onlyhttps://repository.ucc.edu.coRepositorio Institucional Universidad Cooperativa de Colombiabdigital@metabiblioteca.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 |