"Año de la universalización de la salud"

Proyecto de Investigación

Investigación, desarrollo e innovación en teledetección, codificación y procesamiento de señales, datos e imágenes. Actividad: Sistema para la identificación de especies maderables

Resumen:

La identificación confiable y rápida de especies maderables es un tema muy relevante para muchos países de América del Sur y especialmente para Perú, que es el segundo país con la mayor extensión de bosques tropicales, y esto se debe a que este problema es una necesidad para realizar un manejo efectivo de los recursos forestales, como la inspección y el control del comercio de madera. Dado que los métodos actuales de identificación se basan en un enfoque de reconocimiento en conjuntos cerrados (closed set recognition), no son lo suficientemente confiables para ser utilizados en una aplicación práctica porque los escenarios de identificación de especies maderables son, por naturaleza, un problema de reconocimiento en conjuntos abiertos (open set recognition). Por esa razón, en este trabajo proponemos una red neuronal convolucional que tiene dos características principales: poder ser ejecutada en un sistema embebido en tiempo real y ser capaz de manejar el problema de reconocimiento en conjuntos abiertos, es decir, este modelo puede discriminar entre especies conocidas y desconocidas. Para evaluarlo, se realizan pruebas en dos conjuntos de datos de especies de madera y se desarrollan algunos experimentos en el sistema embebido Raspberry Pi3B+ para medir el consumo de energía. Los resultados presentan métricas altas, lo que significa que logra discriminar las especies desconocidas con exactitud y F1-score superior al 91% para dos conjuntos de imágenes utilizadas. Además de esto, el modelo propuesto obtiene un menor valor de potencia máxima (10-12%) y un menor uso de recursos computacionales (5-13%) que un modelo convolucional clásico y MobileNetsV2 medidos en un Raspberry Pi3B+.

Objetivos:

Proponer un modelo de red neuronal convolucional de bajo costo computacional que pueda realizar la identificación de 16 especies maderables de Perú con una alta exactitud, y que además pueda discriminar entre especies maderables conocidas y desconocidas.

Correo de contacto

shuaman@inictel-uni.edu.pe

Información:

Artículos publicados:

  1. Apolinario, M., Urcia, D. and Huaman-Bustamante, S. G.: Open Set Recognition of Timber Species Using Deep Learning for Embedded Systems. In: IEEE Latin America Transactions: Special Issue on Deep Learning. DOI: 10.1109/TLA.2019.9011545
  2. Apolinario M.P., Huamán S.G., Clostre G.: Deep Learning Applied to Identification of Commercial Timber Species from Peru. In: IEEE XXV International Conference on Electronics, Electrical Engineering and Computing (INTERCON), 2018. DOI: 10.1109/INTERCON.2018.8526457

Equipo del INICTEL-UNI:

Compartir ...