| Miembros: | Aguilera Cristhian, María Risso, Angel Domingo Sappa |
| Fecha: | Desde 2019 hasta 2021 |
| Financiamento: | Sin financiamiento |
| Código: | CIDIS-30-2019 |
En este proyecto se pretende brindar el desarrollo y evaluación de un algoritmo basado en técnicas de aprendizaje automático, particularmente técnicas de aprendizaje profundo para clasificar los defectos superficiales en productos de madera usando información de imágenes digitales multiespectrales de alta definición. Así como el uso del espectro infrarrojo cercano y el visible para la detección y clasificación de defectos en productos de madera aserrada seca. En particular, se utiliza una red neuronal convolucional basada en la arquitectura RESNET, para clasificar tablas aserradas con defectos. Se usarán indicadores de desempeño de visión por computador, tales como el recall y precisión para evaluar el desempeño de los algoritmos. Con este proyecto se espera mejorar drásticamente el desempeño de clasificación de defectos en los productos de madera.
Share this:
 |
 |
 |
 |