Modelo de aprendizaje profundo/red neuronal convolucional (CNN) para clasificación de calidad de ácidos grasos por imágenes de semillas de Helianthus annuus

The fatty acids content classification in seeds for their later use in industry is a long and complicated process which aims to select the different seeds that would be used with the purposes each of these seeds are of best use. These purposes are, at the same time, determined by the quality content...

Descripción completa

Detalles Bibliográficos
Autor: Vega Arias, Juan Manuel
Tipo de recurso: tesis de maestría
Fecha de publicación:2019
País:España
Institución:Universitat Oberta de Catalunya (UOC)
Repositorio:O2, repositorio institucional de la UOC
OAI Identifier:oai:openaccess.uoc.edu:10609/98767
Acceso en línea:http://hdl.handle.net/10609/98767
Access Level:acceso abierto
Palabra clave:convolutional neural network
image classification
deep learning
xarxa neuronal convolucional
classificació d'imatges
aprenentatge profund
red neuronal convolucional
clasificación de imágenes
aprendizaje profundo
Bioinformatics -- TFM
Bioinformàtica -- TFM
Bioinformática -- TFM
id ES_a4c470324d4e61b27153cef5ea83ce3d
oai_identifier_str oai:openaccess.uoc.edu:10609/98767
network_acronym_str ES
network_name_str España
repository_id_str
spelling Modelo de aprendizaje profundo/red neuronal convolucional (CNN) para clasificación de calidad de ácidos grasos por imágenes de semillas de Helianthus annuusVega Arias, Juan Manuelconvolutional neural networkimage classificationdeep learningxarxa neuronal convolucionalclassificació d'imatgesaprenentatge profundred neuronal convolucionalclasificación de imágenesaprendizaje profundoBioinformatics -- TFMBioinformàtica -- TFMBioinformática -- TFMThe fatty acids content classification in seeds for their later use in industry is a long and complicated process which aims to select the different seeds that would be used with the purposes each of these seeds are of best use. These purposes are, at the same time, determined by the quality content of the fatty acids in the seed. Deep neural networks, especially convolutional neural networks, have shown a remarkable capacity for image classification and pattern abstraction in many different fields, obtaining better accuracy, and faster prediction results than those obtained by classic or human methods. In this work, we build a convolutional neural network model which can classify the sunflower seeds fatty acids quality through their images. The model was developed separating the work in two main sections. First, an experimental portion in which we collected the necessary data to build our own data set from scratch to train the neural network, and second, the analytic component in which we developed the model using the data we previously collected. This model shows a high accuracy classifying different types of sunflower (Helianthus annuus L.) seeds used for different purposes depending on their fatty acids quality content.En este trabajo, hemos construido un modelo de red neuronal convolucional que puede clasificar la calidad de los ácidos grasos de las semillas de girasol a través de sus imágenes. El modelo fue desarrollado separando el trabajo en dos secciones principales. Primero, una parte experimental en la que recolectamos los datos necesarios para construir nuestro propio conjunto de datos desde cero para formar la red neuronal, y segundo, el componente analítico en el que desarrollamos el modelo utilizando los datos que recolectamos previamente. Este modelo muestra una alta precisión al clasificar diferentes tipos de semillas de girasol (Helianthus annuus L.) utilizadas para diferentes propósitos dependiendo de su contenido de calidad de ácidos grasos.En aquest treball, hem construït un model de xarxa neuronal convolucional que pot classificar la qualitat dels àcids grassos de les llavors de gira-sol a través de les seves imatges. El model va ser desenvolupat separant el treball en dues seccions principals. Primer, una part experimental en la qual recollim les dades necessàries per construir el nostre propi conjunt de dades des de zero per formar la xarxa neuronal, i segon, el component analític en el qual desenvolupem el model utilitzant les dades que recollim prèviament. Aquest model mostra una alta precisió en classificar diferents tipus de llavors de gira-sol (Helianthus annuus L.) utilitzades per a diferents propòsits depenent del seu contingut de qualitat d'àcids grassos.Universitat Oberta de Catalunya (UOC)Moreno Perez, Antonio JavierVegas, EstebanReverter, Ferran201920192019info:eu-repo/semantics/masterThesisapplication/pdfapplication/pdfhttp://hdl.handle.net/10609/98767reponame:O2, repositorio institucional de la UOCinstname:Universitat Oberta de Catalunya (UOC)EspañolCC BY-NC-NDhttp://creativecommons.org/licenses/by-nc-nd/3.0/es/info:eu-repo/semantics/openAccessoai:openaccess.uoc.edu:10609/987672026-05-28T12:42:01Z
dc.title.none.fl_str_mv Modelo de aprendizaje profundo/red neuronal convolucional (CNN) para clasificación de calidad de ácidos grasos por imágenes de semillas de Helianthus annuus
title Modelo de aprendizaje profundo/red neuronal convolucional (CNN) para clasificación de calidad de ácidos grasos por imágenes de semillas de Helianthus annuus
spellingShingle Modelo de aprendizaje profundo/red neuronal convolucional (CNN) para clasificación de calidad de ácidos grasos por imágenes de semillas de Helianthus annuus
Vega Arias, Juan Manuel
convolutional neural network
image classification
deep learning
xarxa neuronal convolucional
classificació d'imatges
aprenentatge profund
red neuronal convolucional
clasificación de imágenes
aprendizaje profundo
Bioinformatics -- TFM
Bioinformàtica -- TFM
Bioinformática -- TFM
title_short Modelo de aprendizaje profundo/red neuronal convolucional (CNN) para clasificación de calidad de ácidos grasos por imágenes de semillas de Helianthus annuus
title_full Modelo de aprendizaje profundo/red neuronal convolucional (CNN) para clasificación de calidad de ácidos grasos por imágenes de semillas de Helianthus annuus
title_fullStr Modelo de aprendizaje profundo/red neuronal convolucional (CNN) para clasificación de calidad de ácidos grasos por imágenes de semillas de Helianthus annuus
title_full_unstemmed Modelo de aprendizaje profundo/red neuronal convolucional (CNN) para clasificación de calidad de ácidos grasos por imágenes de semillas de Helianthus annuus
title_sort Modelo de aprendizaje profundo/red neuronal convolucional (CNN) para clasificación de calidad de ácidos grasos por imágenes de semillas de Helianthus annuus
dc.creator.none.fl_str_mv Vega Arias, Juan Manuel
author Vega Arias, Juan Manuel
author_facet Vega Arias, Juan Manuel
author_role author
dc.contributor.none.fl_str_mv Moreno Perez, Antonio Javier
Vegas, Esteban
Reverter, Ferran
dc.subject.none.fl_str_mv convolutional neural network
image classification
deep learning
xarxa neuronal convolucional
classificació d'imatges
aprenentatge profund
red neuronal convolucional
clasificación de imágenes
aprendizaje profundo
Bioinformatics -- TFM
Bioinformàtica -- TFM
Bioinformática -- TFM
topic convolutional neural network
image classification
deep learning
xarxa neuronal convolucional
classificació d'imatges
aprenentatge profund
red neuronal convolucional
clasificación de imágenes
aprendizaje profundo
Bioinformatics -- TFM
Bioinformàtica -- TFM
Bioinformática -- TFM
description The fatty acids content classification in seeds for their later use in industry is a long and complicated process which aims to select the different seeds that would be used with the purposes each of these seeds are of best use. These purposes are, at the same time, determined by the quality content of the fatty acids in the seed. Deep neural networks, especially convolutional neural networks, have shown a remarkable capacity for image classification and pattern abstraction in many different fields, obtaining better accuracy, and faster prediction results than those obtained by classic or human methods. In this work, we build a convolutional neural network model which can classify the sunflower seeds fatty acids quality through their images. The model was developed separating the work in two main sections. First, an experimental portion in which we collected the necessary data to build our own data set from scratch to train the neural network, and second, the analytic component in which we developed the model using the data we previously collected. This model shows a high accuracy classifying different types of sunflower (Helianthus annuus L.) seeds used for different purposes depending on their fatty acids quality content.
publishDate 2019
dc.date.none.fl_str_mv 2019
2019
2019
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/10609/98767
url http://hdl.handle.net/10609/98767
dc.language.none.fl_str_mv Español
language_invalid_str_mv Español
dc.rights.none.fl_str_mv CC BY-NC-ND
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC BY-NC-ND
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universitat Oberta de Catalunya (UOC)
publisher.none.fl_str_mv Universitat Oberta de Catalunya (UOC)
dc.source.none.fl_str_mv reponame:O2, repositorio institucional de la UOC
instname:Universitat Oberta de Catalunya (UOC)
instname_str Universitat Oberta de Catalunya (UOC)
reponame_str O2, repositorio institucional de la UOC
collection O2, repositorio institucional de la UOC
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869415542062841856
score 15,300724

Similares en LA Referencia