Logotipo del repositorio
Logotipo del repositorio
 

Sistema de reconocimiento basado en IA para la identificación de peces

Vista sencilla de ítem
datacite.rightshttp://purl.org/coar/access_right/c_f1cf
dc.contributor.advisorIglesias Solano, Adriana María
dc.contributor.authorVan Strahlens Terán, Placido Manuel
dc.contributor.authorMartínez Ramos, Leyder José
dc.date.accessioned2024-11-07T15:50:23Z
dc.date.available2024-11-07T15:50:23Z
dc.date.issued2024
dc.description.abstractLa identificación precisa de peces es fundamental para la pesca sostenible, la investigación científica y la seguridad alimentaria. Los métodos tradicionales son lentos, subjetivos y requieren experiencia especializada. Los sistemas de reconocimiento de peces basados en inteligencia artificial (IA) ofrecen una alternativa más rápida, precisa y automatizada. El desarrollo de estos sistemas incluye la recopilación de imágenes de peces, su preprocesamiento, el entrenamiento de un modelo de reconocimiento y la implementación del sistema. Se utilizan técnicas de aprendizaje profundo, como redes neuronales convolucionales (CNN), para entrenar el modelo. Los sistemas de reconocimiento de peces basados en IA han demostrado alta precisión en la identificación de especies, evaluación de la calidad del pescado y recomendaciones culinarias. Se han evaluado aspectos críticos como la usabilidad, el rendimiento, las interfaces externas y la integridad de los datos. Estos sistemas ofrecen una solución innovadora para la industria pesquera, promoviendo la eficiencia, precisión, objetividad y sostenibilidad en la identificación y evaluación de peces, contribuyendo a la seguridad alimentaria y la gestión responsable de los recursos pesqueros.spa
dc.description.abstractFish identification is crucial for sustainable fisheries management, scientific research, and food security. Traditional methods are often slow, subjective, and require specialized expertise. AI-based fish recognition systems offer a faster, more accurate, and automated alternative. These systems involve collecting fish image data, preprocessing the images, training a recognition model, and implementing the system. Deep learning techniques, such as convolutional neural networks (CNNs), are used to train the model. AI-based fish recognition systems have demonstrated high accuracy in species identification, fish quality assessment, and culinary recommendations. Critical aspects such as usability, performance, external interfaces, and data integrity have been evaluated. These systems provide an innovative solution for the fishing industry, promoting efficiency, accuracy, objectivity, and sustainability in fish identification and assessment, contributing to food security and responsible fisheries management.eng
dc.format.mimetypepdf
dc.identifier.urihttps://hdl.handle.net/20.500.12442/15932
dc.language.isospa
dc.publisherFacultad de Ingenieríasspa
dc.publisherEdiciones Universidad Simón Bolívarspa
dc.rights.accessrightsinfo:eu-repo/semantics/embargoedAccess
dc.subjectReconocimiento IAspa
dc.subjectPecesspa
dc.subjectIndustria pesqueraspa
dc.subjectEficienciaspa
dc.subjectCalidadspa
dc.subjectConsumospa
dc.subjectVisión por computadorspa
dc.subjectAprendizaje profundospa
dc.subjectRecomendacionesspa
dc.subjectCulinariasspa
dc.subjectExperiencia usuariaspa
dc.subject.keywordsAI recognitioneng
dc.subject.keywordsFisheng
dc.subject.keywordsFishing industryeng
dc.subject.keywordsEfficiencyeng
dc.subject.keywordsQualityeng
dc.subject.keywordsConsumptioneng
dc.subject.keywordsComputer visioneng
dc.subject.keywordsDeep learningeng
dc.subject.keywordsCulinaryeng
dc.subject.keywordsRecommendationseng
dc.subject.keywordsUser experienceeng
dc.titleSistema de reconocimiento basado en IA para la identificación de pecesspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.spaTrabajo de grado - pregrado
dcterms.referencesOquendo, F., & Ramírez, J. (2022). Aplicación de técnicas de inteligencia artificial en la identificación de especies marinas. Revista de Biología Marina y Oceanografía, 57(1), 89-102.spa
dcterms.referencesSmith, A., & Jones, B. (2023). Deep learning approaches for fish species identification: A review. Journal of Fish Biology, 102(3), 567-580.eng
dcterms.referencesNombre de la Base de Datos de Imágenes de Peces. Gobierno de Colombia. Recuperado de [URL].spa
dcterms.referencesAbadi, M., Agarwal, A., Barham, P., Brevdo, E., Chen, Z., Citro, C., ... & Zheng, X. (2015). TensorFlow: A machine learning library for research and production. arXiv preprint arXiv:1603.04467.eng
dcterms.referencesGarcía, D., & Pérez, E. (2021). Avances en sistemas de reconocimiento de especies marinas mediante inteligencia artificial. Revista Internacional de Ciencias del Mar, 10(2), 45-58.spa
dcterms.referencesChen, H., & Wang, L. (2020). Fish species identification using convolutional neural networks. Journal of Ocean Engineering and Marine Research, 25(3), 112- 125.eng
dcterms.referencesGobierno de Colombia. (2022). Base de datos de imágenes de peces. Recuperado de [datos.gov.co].spa
dcterms.referencesBrown, T., & Black, S. (2019). Enhancing fish recognition accuracy using transfer learning techniques. Aquatic Sciences, 15(4), 289-302.eng
dcterms.referencesLópez, M., & Rodríguez, P. (2018). Desarrollo de un sistema de reconocimiento de especies de peces utilizando redes neuronales convolucionales. Revista Latinoamericana de Ciencias del Mar, 7(1), 78-92.spa
oaire.versioninfo:eu-repo/semantics/acceptedVersion
sb.programaIngeniería de Sistemasspa
sb.sedeSede Barranquillaspa

Archivos

Bloque original
Mostrando 1 - 2 de 2
No hay miniatura disponible
Nombre:
PDF_Artículo.pdf
Tamaño:
397.8 KB
Formato:
Adobe Portable Document Format
Descargar
Miniatura
Nombre:
PDF_Resumen.pdf
Tamaño:
152.12 KB
Formato:
Adobe Portable Document Format
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.93 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Pregrado
Artículos

Universidad Simón Bolívar: Todos los derechos reservados / Sistema de biblioteca