Visión Artificial para la toma de lectura de agua potable
Fecha
2023-01-27
Autores
Título de la revista
ISSN de la revista
Título del volumen
Editor
UPEC
Resumen
La presente investigación, “Visión artificial para la toma de lectura de agua potable”,
se realizó en el Gobierno Autónomo Descentralizado Municipal de Putumayo del
cantón Sucumbíos, cuyo objetivo fue desarrollar una solución tecnológica mediante
visión artificial para la toma de lectura de agua potable; la cual se centró en el
levantamiento de información para la automatización del registro de la lectura del
consumo de agua de los medidores de la ciudad. Se trabajó bajo el enfoque cuali cuantitativo con la ayuda de la investigación bibliográfica, documental, exploratoria
y de campo con las técnicas de recolección de datos como entrevistas y encuestas,
para identificar las necesidades y reunir los requerimientos para el diseño de la
propuesta utilizando la metodología ágil de Desarrollo Rápido de Aplicaciones (RAD),
se obtuvo como resultado la automatización del proceso de registro de consumo de
lectura con el desarrollo de la aplicación web en el lenguaje de programación PHP
v7.4 con el framework Angular v12.0 y una base de datos relación en MySQL, además,
se desarrolló un aplicativo móvil en TypeScript v4.0 con el framework Ionic v5.0
enlazada a la base de datos administrada en el aplicativo web, para el desarrollo del
algoritmo de reconocimiento de imágenes se desarrolló en el lenguaje de
programación Python v3.9 con el framework Django v4.0 utilizando el algoritmo de
detección de objetos Faster R-CNN donde se aplica las siguientes fórmulas: Forward
pass through the Region Proposal Network (RPN) generando las propuestas de región
a partir de una imagen de entrada; Rol pooling layers (RoI) yrj=xi describe como se
realiza el muestreo de una region de interés en la capa pooling; Back-propagation
through Rol 𝜕𝐿
𝜕𝑥𝑖
=∑ ∑ [𝑖 = 𝑖 ∗ (𝑟,𝑗)]
𝜕𝐿
𝜕𝑦𝑟𝑗
𝑗
𝑟
describe como se calcula las derivas
parciales en la fase de capa de pooling; Truncated SVD (𝑊 ≈ 𝑈 ∑ 𝑉
𝑡
𝑡 ) describe como
se acelera la red utilizando una técnica de compresión; Multi-task loss 𝐿(𝑝, 𝑢,𝑡
𝑢
, 𝑣) =
𝐿𝑐𝑙𝑠(𝑝, 𝑢) + 𝜆[𝑢 ≥ 1]𝐿𝑙𝑜𝑐(𝑡
𝑢
, 𝑣) describe como se entrena la red para la clasificación de
la regresión de la caja delimitadora.
Descripción
E01-B3-02
Palabras clave
visión, artificial, lectura, consumo, Faster R-CNN
Citación
INF-094