Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.espoch.edu.ec/handle/123456789/21608
Título : | Desarrollo de un sistema embebido basado en FPGA y visión artificial implementado en un vehículo para detectar y alertar sobre la presencia de canes en la vía. |
Autor : | Domínguez Orozco, Carlos Julio Lliguin Ambato, Giustinne Solange |
Director(es): | Hernández Ambato, Jorge Luis |
Tribunal (Tesis): | Yuquilema Illapa, Jorge Vicente |
Palabras claves : | SISTEMA EMBEBIDO;RED NEURONAL;TRANSFERENCIA DE APRENDIZAJE;MATRIZ DE PUERTA PROGRAMABLE EN CAMPO (FPGA);DETECTOR DE CANES;ALGORITMO DE DETECCIÓN |
Fecha de publicación : | 13-nov-2023 |
Editorial : | Escuela Superior Politécnica de Chimborazo |
Citación : | Domínguez Orozco, Carlos Julio; Lliguin Ambato, Giustinne Solange. (2023). Desarrollo de un sistema embebido basado en FPGA y visión artificial implementado en un vehículo para detectar y alertar sobre la presencia de canes en la vía. Escuela Superior Politécnica de Chimborazo. Riobamba. |
Identificador : | UDCTFIYE;108T0502 |
Abstract : | According to the National Transit Agency (NTA), there is an accident rate related to animal son the roads, therefore, the present research aimed to develop an Embedded System based on FPGA and computer vision implemented in vehicles to detected and alert the presence of dogs. The methodology consisted of four stages, considering implementing a trained Artificial Neural Network (ANN) model using the transfer learning technique as a fundamental pilar. For this purpose, to enrich and train this ANN, a set of 2,000 images was collected, of which 1,500 were allocated for training and 500 for testing. The training was developed on the Google Colab platform, and the detection algorithm was developed in Jupyter Notebook, obtaining two modes of operation: normal and detector. In the validation stage of the trained ANN, the learning curve was obtained, emonstratinng impressive accuracy and minimal data los. The robustness and effectiveness of the System were subjected to field tests, conducted in controlled and uncontrolled enviroments, yielded consistent and reliable results, with the Tukey test determining optimal performance in the morning sessions. The manufacturing cost of this embedded system was established at a total of $421.55. In this context, it is concluded that the device supports its functionality, and it is recommended to use another hardware board to optimize performance, thus leaving this research as a solid foundation for future developments. |
Resumen : | De acuerdo con datos de la Agencia Nacional de Transito (ANT) revela que existe un índice de accidentes relacionados con animales en las vías, por lo tanto, el objetivo de la presente investigación fue en desarrollar un Sistema Embebido basado en FPGA y visión artificial implementado en vehículos para detectar y alertar la presencia de canes. La metodología consistió en cuatro etapas, considerando como pilar fundamental la implementación de un modelo entrenado de Red Neuronal Artificial (RNA) a través de la técnica de transferencia de aprendizaje. Para lo cual, con la finalidad de enriquecer y entrenar esta RNA, se recolectó un conjunto de 2000 imágenes, de las cuales 1500 fueron dedicadas al entrenamiento, 500 para pruebas. En la plataforma Google Colab se desarrolló el entrenamiento, y el desarrollo del algoritmo de detección se realizó en Jupyter Notebook, obteniendo dos modos de operación: normal y detector. En la etapa de validación de la RNA entrenada se obtuvo la curva de aprendizaje, en la cual, se demostró una impresionante precisión y mínima perdida de datos. Mientras que, la robustez y eficacia del sistema se sometió a pruebas de campo y se evaluaron detecciones a distintas distancias, en un rango de 1 a 10 metros, revelando que la máxima distancia de detección efectiva es de 5.5 metros. Además, como medida de precaución, se estableció una distancia mínima de 3 metros para mitigar posibles situaciones de riesgo. Las pruebas de tiempo de respuesta, realizadas en ambientes controlados y no controlados, arrojaron resultados consistentes y confiables, que mediante la prueba de Tukey se determinó un rendimiento óptimo en las jornadas matutinas. El costo de fabricación de este sistema embebido se estableció en un total de $421.55. En este contexto se concluye que el dispositivo fundamenta su funcionalidad y se recomienda el uso de otra placa hardware para optimizar el rendimiento dejando así esta investigación como una base sólida para futuros desarrollos. |
URI : | http://dspace.espoch.edu.ec/handle/123456789/21608 |
Aparece en las colecciones: | Ingeniero en Electrónica, Control y Redes Industriales; Ingeniero/a en Electrónica y Automatización |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
108T0502.pdf | 4,06 MB | Adobe PDF | ![]() Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons