“Sistema de detección de ocotea heterochroma basado en técnicas de aprendizaje profundo en el bosque tropical murocomba”
| dc.contributor.advisor | Intriago Rodríguez, Diego Fernando | |
| dc.contributor.author | Samaniego Barrezueta, Luis Adonis | |
| dc.date.accessioned | 2024-05-28T15:59:25Z | |
| dc.date.available | 2024-05-28T15:59:25Z | |
| dc.date.issued | 2023 | |
| dc.description | The research project focused on making up for the lack of technological tools that allow the identification and storage of data on the species ocotea heterochroma belonging to the Lauraceae family through images, as well as the need to understand its vegetation to help preserve the Murocomba Tropical Forest. The methodology implemented was quantitative and qualitative. Through projective techniques using aerial photographs obtained through a drone. According to the previous literature studied and the criteria issued by forestry specialists, the specific study was oriented to the species ocotea heterochroma "Canelo Blanco" due to its medicinal properties and for being a species considered in danger of extinction, applying the deep learning model YOLOv5 for the automatic detection of this species, in addition, a mobile application was developed that allowed accessibility to the stored information and an API server for data collection and feedback. The project contributed to improve the understanding of tree diversity and extent, fostering conservation based on data visualization, promoting sustainable and environmentally friendly ecotourism practices, thus supporting its efficient management and regional development using artificial intelligence. | |
| dc.description.abstract | El proyecto de investigación se enfocó en suplir la falta de herramientas tecnológicas que permitan la identificación y el almacenamiento de datos sobre la especie ocotea heterochroma perteneciente a la familia lauraceae a través de imágenes, así como la necesidad de comprender su vegetación para ayudar a la preservación del Bosque Tropical Murocomba. La metodología que se implementó fue cuantitativa y cualitativa. Mediante técnicas proyectivas utilizando fotografías aéreas obtenidas a través de un dron. De acuerdo con la literatura previa estudiada y los criterios emitidos por parte de los especialistas forestales, se orientó el estudio específico en la especie ocotea heterochroma “Canelo Blanco” debido a sus propiedades medicinales y por ser una especie considerada en peligro de extinción, aplicando el modelo de aprendizaje profundo YOLOv5 para la detección automática de esta especie, además, se desarrolló una aplicación móvil que permitió la accesibilidad a la información guardada y un servidor API para la recolección de datos y su retroalimentación. El proyecto contribuyó a mejorar la comprensión de la diversidad y extensión arbórea, fomentando la conservación en base a la visualización de datos, promoviendo prácticas de ecoturismo sostenible y amigable con el medio ambiente, respaldando así su manejo eficiente y el desarrollo regional utilizando inteligencia artificial. | |
| dc.format.extent | 103 | |
| dc.identifier.citation | Samaniego Barrezueta, Luis Adonis(2023). “Sistema de detección de ocotea heterochroma basado en técnicas de aprendizaje profundo en el bosque tropical murocomba”. Quevedo. UTEQ. 103 pag. | |
| dc.identifier.other | 460038 | |
| dc.identifier.uri | https://repositorio.uteq.edu.ec/handle/43000/7126 | |
| dc.language.iso | spa | |
| dc.publisher | Quevedo:UTEQ | |
| dc.rights | openAccess | |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/ec/ | |
| dc.subject | Inteligencia artificial | |
| dc.subject | Algoritmo neuronal | |
| dc.subject | Aprendizaje automático | |
| dc.subject | Ecoturismo sostenible | |
| dc.subject | Arboles en peligro de extinción | |
| dc.subject | Conservación de la biodiversidad | |
| dc.title | “Sistema de detección de ocotea heterochroma basado en técnicas de aprendizaje profundo en el bosque tropical murocomba” | |
| dc.type | bachelorThesis |
