Diseño, implementación y evaluación de una red neuronal convolucional para una aplicación de clasificación de naranjas

Abstract

[ES] Este trabajo consistirá en diseñar, implementar y evaluar diferentes arquitecturas de redes neuronales convolucionales. Estas redes neuronales deberán clasificar las imágenes de naranjas capturadas en una línea de producción en dos o tres categorías.

Inicialmente, el trabajo se centrará en la creación y edición de forma supervisada de un conjunto de imágenes bien etiquetadas. Para ello, se utilizará la herramienta de etiquetado datasets.ai2.upv.es/oranges disponible en el Instituto de Automática e Informática Industrial (ai2). Posteriormente se diseñarán distintas arquitecturas de redes neuronales y se optimizará cada una de ellas sobre el espacio de hiperparámetros utilizando Python y Pytorch. Finalmente, se evaluarán las distintas arquitecturas propuestas, utilizando como criterios de optimización tanto las tasas de aciertos como los costes temporales.

[EN] This work will consist of designing, implementing and evaluating different convolutional neural network architectures applied to the quality control of oranges during the classification phase before packing. These neural networks must detect pedicels, bottoms, and defects on images of oranges captured on a production line.Initially, work will focus on supervised creation and editing of a dataset of well-labeled images. For this, the labeling tool datasets.ai2.upv.es/oranges available at the Institute of Industrial Automation and Informatics (ai2) will be used. Subsequently, different neural network architectures will be designed and each one will be optimized on the hyperparameter space using Python and Pytorch. Finally, the different proposed architectures will be evaluated, using both the acuracities and the temporary costs as optimization criteria.

[CA] Este treball ha consistit a dissenyar, implementar i avaluar diferents arquitectures de xarxes neuronals convolucionales. Estes xarxes neuronals han de classificar les imatges de taronges capturades en una línia de producció en dos o tres categories. Inicialment, el treball s'ha centrat en la creació i edició de forma supervisada d'un conjunt d'imatges ben etiquetades. Per a això, s'ha utilitzat la ferramenta d'etiquetatge (‘datasets.ai2.upv.es/oranges’) disponible en l'Institut d'Automàtica i Informàtica Industrial (ai2) . Posteriorment s'han dissenyat distintes arquitectures de xarxes neuronals i s'han optimitzat cada una d'elles sobre l'espai de hiperparàmetres utilitzant Python i Pytorch. Finalment, s'han avaluat les distintes arquitectures proposades, utilitzant com a criteris d'optimització tant les taxes d'encerts com els costos temporals