Mejora del modelo de detección de huecos y bolsas de basura basado en deep learning implementado en una Raspberry Pi (en Bogotá, Colombia)
El proyecto de grado presentado a continuación se encuentra basado en el proyecto Deep Learning-Based Garbage Bags and Potholes Detection Model Using Raspberry Pi [1] realizado por los estudiantes Juan Felipe Palacios y Santiago Vitery de la Universidad de los Andes presentado en diciembre del año 2...
- Autores:
-
Hernández Rodríguez, Julián David
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2022
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/58832
- Acceso en línea:
- http://hdl.handle.net/1992/58832
- Palabra clave:
- Raspberry Pi
Modelos de detección de objetos
Base de datos
Entrenamiento
YOLOV4
Deep learning
FasterRCNN
SSDMobileNetV2
SSDMobileNetV2FPNLite
MAP
RECALL
Tiempo de detección
Prototipo
Bogotá
Visión artificial
Bolsas de basura
Baches (huecos)
Ingeniería
- Rights
- openAccess
- License
- Attribution-NoDerivatives 4.0 Internacional
| id |
UNIANDES2_f3c992114348a34873fbd5805468fe39 |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/58832 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
Mejora del modelo de detección de huecos y bolsas de basura basado en deep learning implementado en una Raspberry Pi (en Bogotá, Colombia) |
| title |
Mejora del modelo de detección de huecos y bolsas de basura basado en deep learning implementado en una Raspberry Pi (en Bogotá, Colombia) |
| spellingShingle |
Mejora del modelo de detección de huecos y bolsas de basura basado en deep learning implementado en una Raspberry Pi (en Bogotá, Colombia) Raspberry Pi Modelos de detección de objetos Base de datos Entrenamiento YOLOV4 Deep learning FasterRCNN SSDMobileNetV2 SSDMobileNetV2FPNLite MAP RECALL Tiempo de detección Prototipo Bogotá Visión artificial Bolsas de basura Baches (huecos) Ingeniería |
| title_short |
Mejora del modelo de detección de huecos y bolsas de basura basado en deep learning implementado en una Raspberry Pi (en Bogotá, Colombia) |
| title_full |
Mejora del modelo de detección de huecos y bolsas de basura basado en deep learning implementado en una Raspberry Pi (en Bogotá, Colombia) |
| title_fullStr |
Mejora del modelo de detección de huecos y bolsas de basura basado en deep learning implementado en una Raspberry Pi (en Bogotá, Colombia) |
| title_full_unstemmed |
Mejora del modelo de detección de huecos y bolsas de basura basado en deep learning implementado en una Raspberry Pi (en Bogotá, Colombia) |
| title_sort |
Mejora del modelo de detección de huecos y bolsas de basura basado en deep learning implementado en una Raspberry Pi (en Bogotá, Colombia) |
| dc.creator.fl_str_mv |
Hernández Rodríguez, Julián David |
| dc.contributor.advisor.none.fl_str_mv |
Giraldo Trujillo, Luis Felipe |
| dc.contributor.author.none.fl_str_mv |
Hernández Rodríguez, Julián David |
| dc.contributor.jury.none.fl_str_mv |
Zambrano Jacobo, Andrés Felipe |
| dc.contributor.researchgroup.es_CO.fl_str_mv |
Deep Learning-Based Garbage Bags and Potholes Detection Model Using Raspberry Pi [1] |
| dc.subject.keyword.none.fl_str_mv |
Raspberry Pi Modelos de detección de objetos Base de datos Entrenamiento YOLOV4 Deep learning FasterRCNN SSDMobileNetV2 SSDMobileNetV2FPNLite MAP RECALL Tiempo de detección Prototipo Bogotá Visión artificial Bolsas de basura Baches (huecos) |
| topic |
Raspberry Pi Modelos de detección de objetos Base de datos Entrenamiento YOLOV4 Deep learning FasterRCNN SSDMobileNetV2 SSDMobileNetV2FPNLite MAP RECALL Tiempo de detección Prototipo Bogotá Visión artificial Bolsas de basura Baches (huecos) Ingeniería |
| dc.subject.themes.es_CO.fl_str_mv |
Ingeniería |
| description |
El proyecto de grado presentado a continuación se encuentra basado en el proyecto Deep Learning-Based Garbage Bags and Potholes Detection Model Using Raspberry Pi [1] realizado por los estudiantes Juan Felipe Palacios y Santiago Vitery de la Universidad de los Andes presentado en diciembre del año 2020 e implementado en las ciudades de Neiva y Pasto, Colombia. Se busca en el actual proyecto presentado en este documento realizar una mejora al modelo basado de en Deep Learning de detección de baches y bolsas de basuras [1] en las calles pavimentadas al ser implementado en la ciudad de Bogota, capital de Colombia, extrayendo mas información para ampliar la base de datos usada para entrenar el modelo de Machine Learning, así como el entrenamiento de diferentes modelos de este tipo para obtener un modelo mas robusto con mayor precisión y con menor tiempo de inferencia. Se espera de esta manera contribuir al proyecto [1] expuesto por Juan Felipe Palacios y Santiago Vitery al obtener un modelo mejorado con las características anteriormente mencionadas. |
| publishDate |
2022 |
| dc.date.accessioned.none.fl_str_mv |
2022-07-14T18:43:05Z |
| dc.date.available.none.fl_str_mv |
2022-07-14T18:43:05Z |
| dc.date.issued.none.fl_str_mv |
2022 |
| dc.type.es_CO.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.es_CO.fl_str_mv |
Text |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/58832 |
| dc.identifier.instname.es_CO.fl_str_mv |
instname:Universidad de los Andes |
| dc.identifier.reponame.es_CO.fl_str_mv |
reponame:Repositorio Institucional Séneca |
| dc.identifier.repourl.es_CO.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
| url |
http://hdl.handle.net/1992/58832 |
| identifier_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
| dc.language.iso.es_CO.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.es_CO.fl_str_mv |
Palacios J. F, Vitery S., Giraldo L. F. (2021). Deep Learning-Based Garbage Bags and Potholes Detection Model Using Raspberry Pi. Department of Electric and Electronic Engineering, Universidad de Los Andes, Bogotá D.C., Colombia. S. Uniyal, Human overpopulation: impact on environment, Megacities and Rapid Urbanization: Breakthroughs in Research and Practice, IGI Global, 2020, pp. 20-30. S. P. Mohanty, U. Choppali, and E. Kougianos, Everything you wanted to know about smart cities: The Internet of things is the backbone, IEEE Consumer Electronics Magazine, 2016, vol. 5, pp. 60-70. S. Hossain, .Autonomous trash collector based on object detection using deep neural network,.En TENCON 2019-2019 IEEE Region 10 Conference (TENCON). IEEE, 2019, pp. 1406-1410. Mal estado de la malla vial: Un problema sin aparente solucion. Concejo de Bogot ´ a D.C. ´ (n.d.). Retrieved June 27, 2022, from https://www.concejodebogota.gov.co/mal-estado-dela-malla-vial-un-problema-sin-aparente-solucion/cbogota/2022-01-27/155505.php Ansari, S. (2021, March 15). Building a realtime Pothole Detection System using machine learning and Computer Vision. Towards Data Science. Retrieved December 17, 2021, from https://towardsdatascience.com/building-a-realtime-pothole-detection-systemusing-machine-learning-and-computer-vision-2e5fb2e5e746 IBM, C¸ loud Annotations, 2008, Avaliable at https://cloud.annotations.ai/ Renotte, N. (2021, April 9). Tensorflow object detection in 5 hours with Python full course with 3 projects. Retrieved June 27, 2022, from https://www.youtube.com/watch?v=yqkISICHHU&list=LL&index=7&t=9804s Roboflow-Ai. (n.d.). Roboflow-ai/darknet: Yolov4 (V3/V2) - windows and linux version of Darknet Neural Networks for object detection (tensor cores are used). GitHub. Retrieved June 2022, from https://github.com/roboflow-ai/darknet Roboflow Blog. (n.d.). Labeling. Roboflow Blog. Retrieved June 28, 2022, from https://blog.roboflow.com/tag/labeling/ Open Source Computer Vision Object Detection Models. Roboflow. (n.d.). Retrieved June 27, 2022, from https://models.roboflow.com/object-detection PINTO0309. (n.d.). Tensor f low bin/previousversionsatmainPINTO0309/tensor f lowbin.GitHub.RetrievedJune27,2022, f rom : htt ps: //github.com/PINTO0309/Tensor flowbin/tree/main/previousversions Tensorflow. (n.d.). Tensorflow/models: Models and examples built with tensorflow. GitHub. Retrieved June 27, 2022, from https://github.com/tensorflow/models |
| dc.rights.license.spa.fl_str_mv |
Attribution-NoDerivatives 4.0 Internacional |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nd/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Attribution-NoDerivatives 4.0 Internacional http://creativecommons.org/licenses/by-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.es_CO.fl_str_mv |
30 páginas |
| dc.format.mimetype.es_CO.fl_str_mv |
application/pdf |
| dc.publisher.es_CO.fl_str_mv |
Universidad de los Andes |
| dc.publisher.program.es_CO.fl_str_mv |
Ingeniería Electrónica |
| dc.publisher.faculty.es_CO.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.department.es_CO.fl_str_mv |
Departamento de Ingeniería Eléctrica y Electrónica |
| institution |
Universidad de los Andes |
| bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/7c3a5ab6-9410-4ca8-a62c-fc33546ee451/download https://repositorio.uniandes.edu.co/bitstreams/260f45fb-6e5e-4862-9354-55ca30cb1d7f/download https://repositorio.uniandes.edu.co/bitstreams/445567a0-b7eb-4bd9-87fa-5fee602960fd/download https://repositorio.uniandes.edu.co/bitstreams/e08cd7ee-aed4-4fb5-80ea-955c9e5a5a2e/download https://repositorio.uniandes.edu.co/bitstreams/8151a2b9-1030-43cd-83f4-894b7192004a/download https://repositorio.uniandes.edu.co/bitstreams/6558ef84-3ec0-4b6e-adb5-022ac6f69ce0/download https://repositorio.uniandes.edu.co/bitstreams/30198ca5-a5bc-4957-b60c-d22543e051f8/download https://repositorio.uniandes.edu.co/bitstreams/c57eaf16-7316-4ba5-aae8-62c1199cd245/download |
| bitstream.checksum.fl_str_mv |
5565c113d0f2076c25d61405bb729306 31f74866fb724c8ad5962d5b8f02fc57 5aa5c691a1ffe97abd12c2966efcb8d6 7a7031a06ede7f46f47be425a57c1422 587f1d6bd930dd7f61432039107d9ab1 f7d494f61e544413a13e6ba1da2089cd 2d9d2a2177d65ea625d940c7774167b4 65294b6d5e9bc67c0e620b56746eb5cd |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional Séneca |
| repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
| _version_ |
1808390212456284160 |
| spelling |
Attribution-NoDerivatives 4.0 Internacionalhttp://creativecommons.org/licenses/by-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Giraldo Trujillo, Luis Felipevirtual::3653-1Hernández Rodríguez, Julián David4b4050ee-1c3a-4087-a10e-42f2a6c94a3a600Zambrano Jacobo, Andrés FelipeDeep Learning-Based Garbage Bags and Potholes Detection Model Using Raspberry Pi [1]2022-07-14T18:43:05Z2022-07-14T18:43:05Z2022http://hdl.handle.net/1992/58832instname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/El proyecto de grado presentado a continuación se encuentra basado en el proyecto Deep Learning-Based Garbage Bags and Potholes Detection Model Using Raspberry Pi [1] realizado por los estudiantes Juan Felipe Palacios y Santiago Vitery de la Universidad de los Andes presentado en diciembre del año 2020 e implementado en las ciudades de Neiva y Pasto, Colombia. Se busca en el actual proyecto presentado en este documento realizar una mejora al modelo basado de en Deep Learning de detección de baches y bolsas de basuras [1] en las calles pavimentadas al ser implementado en la ciudad de Bogota, capital de Colombia, extrayendo mas información para ampliar la base de datos usada para entrenar el modelo de Machine Learning, así como el entrenamiento de diferentes modelos de este tipo para obtener un modelo mas robusto con mayor precisión y con menor tiempo de inferencia. Se espera de esta manera contribuir al proyecto [1] expuesto por Juan Felipe Palacios y Santiago Vitery al obtener un modelo mejorado con las características anteriormente mencionadas.Se propone un modelo mejorado del modelo de deteccion de huecos y bolsas de basuras basado en Deep-Learning implementado y probado en la ciudad de Bogotá de manera que se espera minimizar el tiempo de inferencia, aumentando significativamente la base de datos con información de la capital y probando varias estructuras de entrenamiento de modelos de detección de objetos diferentes a los utilizados en el articulo base. Para esto, la base de datos con la que fue entrenado el modelo se incrementa con mas fotos capturadas igualmente con el modulo de la cámara de la Raspberry Pi en la ciudad de Bogotá siendo etiquetadas respectivamente para poder entrenar el modelo YOLOV4 de nuevo (estrucutra utilizada en el modelo base). Así, el modelo de Deep learning (YOLOV4) es re-entrenado con la nueva base de datos y se prueba en las calles de Bogotá para obtener su desarrollo en tiempo real, evaluando métricas computacionales como el uso de CPU, el tiempo que se demora en realizar una detección, así como el uso de la RAM. Por consiguiente se prueban mas algoritmos de entrenamiento de modelos de detección de objetos como FasterRCNN, SSDMobileNetV2 y SSDMobileNetV2FPNLite para obtener así el modelo que mejor desempeño tenga con respecto a las métricas de entrenamiento como el MAP (MEAN AVERAGE PRECISION) y el RECALL. Igualmente se prueban dichos modelos con imágenes de la nueva base de datos para visualizar sus métricas y luego, en un trabajo futuro, poder ser implementado en la Raspberry Pi reemplazando el modelo actual para obtener una posible mejora en el tiempo de detección.Ingeniero ElectrónicoPregrado30 páginasapplication/pdfspaUniversidad de los AndesIngeniería ElectrónicaFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y ElectrónicaMejora del modelo de detección de huecos y bolsas de basura basado en deep learning implementado en una Raspberry Pi (en Bogotá, Colombia)Trabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/redcol/resource_type/TPRaspberry PiModelos de detección de objetosBase de datosEntrenamientoYOLOV4Deep learningFasterRCNNSSDMobileNetV2SSDMobileNetV2FPNLiteMAPRECALLTiempo de detecciónPrototipoBogotáVisión artificialBolsas de basuraBaches (huecos)IngenieríaPalacios J. F, Vitery S., Giraldo L. F. (2021). Deep Learning-Based Garbage Bags and Potholes Detection Model Using Raspberry Pi. Department of Electric and Electronic Engineering, Universidad de Los Andes, Bogotá D.C., Colombia.S. Uniyal, Human overpopulation: impact on environment, Megacities and Rapid Urbanization: Breakthroughs in Research and Practice, IGI Global, 2020, pp. 20-30.S. P. Mohanty, U. Choppali, and E. Kougianos, Everything you wanted to know about smart cities: The Internet of things is the backbone, IEEE Consumer Electronics Magazine, 2016, vol. 5, pp. 60-70.S. Hossain, .Autonomous trash collector based on object detection using deep neural network,.En TENCON 2019-2019 IEEE Region 10 Conference (TENCON). IEEE, 2019, pp. 1406-1410.Mal estado de la malla vial: Un problema sin aparente solucion. Concejo de Bogot ´ a D.C. ´ (n.d.). Retrieved June 27, 2022, from https://www.concejodebogota.gov.co/mal-estado-dela-malla-vial-un-problema-sin-aparente-solucion/cbogota/2022-01-27/155505.phpAnsari, S. (2021, March 15). Building a realtime Pothole Detection System using machine learning and Computer Vision. Towards Data Science. Retrieved December 17, 2021, from https://towardsdatascience.com/building-a-realtime-pothole-detection-systemusing-machine-learning-and-computer-vision-2e5fb2e5e746IBM, C¸ loud Annotations, 2008, Avaliable at https://cloud.annotations.ai/Renotte, N. (2021, April 9). Tensorflow object detection in 5 hours with Python full course with 3 projects. Retrieved June 27, 2022, from https://www.youtube.com/watch?v=yqkISICHHU&list=LL&index=7&t=9804sRoboflow-Ai. (n.d.). Roboflow-ai/darknet: Yolov4 (V3/V2) - windows and linux version of Darknet Neural Networks for object detection (tensor cores are used). GitHub. Retrieved June 2022, from https://github.com/roboflow-ai/darknetRoboflow Blog. (n.d.). Labeling. Roboflow Blog. Retrieved June 28, 2022, from https://blog.roboflow.com/tag/labeling/Open Source Computer Vision Object Detection Models. Roboflow. (n.d.). Retrieved June 27, 2022, from https://models.roboflow.com/object-detectionPINTO0309. (n.d.). Tensor f low bin/previousversionsatmainPINTO0309/tensor f lowbin.GitHub.RetrievedJune27,2022, f rom : htt ps: //github.com/PINTO0309/Tensor flowbin/tree/main/previousversionsTensorflow. (n.d.). Tensorflow/models: Models and examples built with tensorflow. GitHub. Retrieved June 27, 2022, from https://github.com/tensorflow/models201614922Publicationhttps://scholar.google.es/citations?user=4TGvo8AAAAJvirtual::3653-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000802506virtual::3653-1eb386eec-3ec8-40c2-829d-ae8cbf0e384evirtual::3653-1eb386eec-3ec8-40c2-829d-ae8cbf0e384evirtual::3653-1TEXTmejora_del_modelo_de_detecci_n_de_huecos_y_bolsas_de_basura_basado_en_deep_learning_implementado_en_una_Raspberry_Pi__.pdf.txtmejora_del_modelo_de_detecci_n_de_huecos_y_bolsas_de_basura_basado_en_deep_learning_implementado_en_una_Raspberry_Pi__.pdf.txtExtracted texttext/plain66086https://repositorio.uniandes.edu.co/bitstreams/7c3a5ab6-9410-4ca8-a62c-fc33546ee451/download5565c113d0f2076c25d61405bb729306MD57Formato de autorizacion.pdf.txtFormato de autorizacion.pdf.txtExtracted texttext/plain1497https://repositorio.uniandes.edu.co/bitstreams/260f45fb-6e5e-4862-9354-55ca30cb1d7f/download31f74866fb724c8ad5962d5b8f02fc57MD59LICENSElicense.txtlicense.txttext/plain; charset=utf-81810https://repositorio.uniandes.edu.co/bitstreams/445567a0-b7eb-4bd9-87fa-5fee602960fd/download5aa5c691a1ffe97abd12c2966efcb8d6MD55THUMBNAILmejora_del_modelo_de_detecci_n_de_huecos_y_bolsas_de_basura_basado_en_deep_learning_implementado_en_una_Raspberry_Pi__.pdf.jpgmejora_del_modelo_de_detecci_n_de_huecos_y_bolsas_de_basura_basado_en_deep_learning_implementado_en_una_Raspberry_Pi__.pdf.jpgIM Thumbnailimage/jpeg11470https://repositorio.uniandes.edu.co/bitstreams/e08cd7ee-aed4-4fb5-80ea-955c9e5a5a2e/download7a7031a06ede7f46f47be425a57c1422MD58Formato de autorizacion.pdf.jpgFormato de autorizacion.pdf.jpgIM Thumbnailimage/jpeg16640https://repositorio.uniandes.edu.co/bitstreams/8151a2b9-1030-43cd-83f4-894b7192004a/download587f1d6bd930dd7f61432039107d9ab1MD510CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8799https://repositorio.uniandes.edu.co/bitstreams/6558ef84-3ec0-4b6e-adb5-022ac6f69ce0/downloadf7d494f61e544413a13e6ba1da2089cdMD56ORIGINALmejora_del_modelo_de_detecci_n_de_huecos_y_bolsas_de_basura_basado_en_deep_learning_implementado_en_una_Raspberry_Pi__.pdfmejora_del_modelo_de_detecci_n_de_huecos_y_bolsas_de_basura_basado_en_deep_learning_implementado_en_una_Raspberry_Pi__.pdfTrabajo de gradoapplication/pdf14438729https://repositorio.uniandes.edu.co/bitstreams/30198ca5-a5bc-4957-b60c-d22543e051f8/download2d9d2a2177d65ea625d940c7774167b4MD53Formato de autorizacion.pdfFormato de autorizacion.pdfHIDEapplication/pdf244233https://repositorio.uniandes.edu.co/bitstreams/c57eaf16-7316-4ba5-aae8-62c1199cd245/download65294b6d5e9bc67c0e620b56746eb5cdMD541992/58832oai:repositorio.uniandes.edu.co:1992/588322024-03-13 12:29:31.392http://creativecommons.org/licenses/by-nd/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.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 |