Recopilación y generación de datos para el entrenamiento y validación de modelos de deep learning en acuicultura: Dicentrarchus labrax.
[ES] En un contexto de rápida y continua expansión de la acuicultura, comienza a tomar protagonismo el uso de los modelos de deep learning, también conocidos como modelos de aprendizaje profundo. Esta nueva técnica, se basa en redes neuronales profundas, las cuales se encargan de simular el cerebro...
| Author: | |
|---|---|
| Format: | Master's thesis |
| Publication date: | 2025 |
| Country: | España |
| Institution: | Universitat Politècnica de València (UPV) |
| Repository: | RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia |
| Language: | Spanish |
| OAI Identifier: | oai:riunet.upv.es:10251/225836 |
| Online Access: | https://riunet.upv.es/handle/10251/225836 |
| Access Level: | Open access |
| Keyword: | Deep learning Redes neuronales profundas Dataset Lubinas (Dicentrarchus labrax) Bounding boxes. Deep neural networks Sea bass (Dicentrarchus labrax) Dicentrarchus labrax Máster Universitario en Evaluación y Seguimiento Ambiental de Ecosistemas Marinos y Costeros-Màster Universitari en Avaluació i Seguiment Ambiental d&apos Ecosistemes Marins i Costaners |
| _version_ | 1878734945319387136 |
|---|---|
| author | Climent de Kok, Alejandro Manuel |
| author_browse | Climent de Kok, Alejandro Manuel |
| author_facet | Climent de Kok, Alejandro Manuel |
| author_role | author |
| collection | RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia |
| description | [ES] En un contexto de rápida y continua expansión de la acuicultura, comienza a tomar protagonismo el uso de los modelos de deep learning, también conocidos como modelos de aprendizaje profundo. Esta nueva técnica, se basa en redes neuronales profundas, las cuales se encargan de simular el cerebro humano, consiguiendo procesar grandes volúmenes de datos y detectar patrones complejos. Presenta una gran aplicabilidad al campo de la acuicultura, destacando el monitoreo y reconocimiento de especies, detección y predicción temprana de enfermedades, desarrollo de una alimentación inteligente o incluso la estimación de biomasa y crecimiento. En este estudio se planteó el desarrollo de un dataset a partir de la creación de datos, mediante el etiquetado de imágenes de juveniles y alevines de lubina en un estanque de condiciones controladas. Posteriormente, este dataset fue evaluado utilizando parámetros y criterios de evaluación, como el índice Kappa de Cohen o el Interseccion over Union (IoU), permitiéndonos determinar la calidad y fiabilidad de los datos generados. Por otra parte, también se compararon parte de los datos del dataset con unos datos de referencia, consiguiendo un alto grado de concordancia, lo que respalda la fiabilidad y validez del conjunto de datos utilizado. |
| eu_rights_str_mv | openAccess |
| format | masterThesis |
| id | ES_72f209fef7ff16a9409085e4d3abcd4e |
| institution | Universitat Politècnica de València (UPV) |
| instname_str | Universitat Politècnica de València (UPV) |
| language | spa |
| network_acronym_str | ES |
| network_name_str | España |
| oai_identifier_str | oai:riunet.upv.es:10251/225836 |
| publishDate | 2025 |
| publishDateSort | 2025 |
| publisher | Universitat Politècnica de València |
| publisherStr | Universitat Politècnica de València |
| reponame_str | RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia |
| spelling | Recopilación y generación de datos para el entrenamiento y validación de modelos de deep learning en acuicultura: Dicentrarchus labrax. Compilation and generation of data for the training and validation of deep learning models in aquaculture: Dicentrarchus labrax. Recopilació i generació de dades per a l&apos entrenament i validació de models de deep learning en aqüicultura: Dicentrarchus labrax. Climent de Kok, Alejandro Manuel Deep learning Redes neuronales profundas Dataset Lubinas (Dicentrarchus labrax) Bounding boxes. Deep neural networks Sea bass (Dicentrarchus labrax) Dicentrarchus labrax Máster Universitario en Evaluación y Seguimiento Ambiental de Ecosistemas Marinos y Costeros-Màster Universitari en Avaluació i Seguiment Ambiental d&apos Ecosistemes Marins i Costaners [ES] En un contexto de rápida y continua expansión de la acuicultura, comienza a tomar protagonismo el uso de los modelos de deep learning, también conocidos como modelos de aprendizaje profundo. Esta nueva técnica, se basa en redes neuronales profundas, las cuales se encargan de simular el cerebro humano, consiguiendo procesar grandes volúmenes de datos y detectar patrones complejos. Presenta una gran aplicabilidad al campo de la acuicultura, destacando el monitoreo y reconocimiento de especies, detección y predicción temprana de enfermedades, desarrollo de una alimentación inteligente o incluso la estimación de biomasa y crecimiento. En este estudio se planteó el desarrollo de un dataset a partir de la creación de datos, mediante el etiquetado de imágenes de juveniles y alevines de lubina en un estanque de condiciones controladas. Posteriormente, este dataset fue evaluado utilizando parámetros y criterios de evaluación, como el índice Kappa de Cohen o el Interseccion over Union (IoU), permitiéndonos determinar la calidad y fiabilidad de los datos generados. Por otra parte, también se compararon parte de los datos del dataset con unos datos de referencia, consiguiendo un alto grado de concordancia, lo que respalda la fiabilidad y validez del conjunto de datos utilizado. [EN] In a context of rapid and continuous expansion of aquaculture, the use of deep learning models, also known as deep learning models, is beginning to take center stage. This new technique is based on deep neural networks, which are responsible for simulating the human brain, managing to process large volumes of data and detect complex patterns. It presents a great applicability to the field of aquaculture, highlighting the monitoring and recognition of species, detection and early prediction of diseases, development of intelligent feeding or even the estimation of biomass and growth. In this study, the development of a dataset was proposed based on the creation of data through the labeling of images of juvenile and fry of sea bass in a pond under controlled conditions. Subsequently, this dataset was evaluated using parameters and evaluation criteria, such as Cohen's Kappa index or the Intersection over Union (IoU), allowing us to determine the quality and reliability of the data generated. On the other hand, part of the dataset data were also compared with reference data, achieving a high degree of concordance, which supports the reliability and validity of the dataset used. Universitat Politècnica de València https://riunet.upv.es/handle/10251/225836 |
| spellingShingle | Recopilación y generación de datos para el entrenamiento y validación de modelos de deep learning en acuicultura: Dicentrarchus labrax. Climent de Kok, Alejandro Manuel Deep learning Redes neuronales profundas Dataset Lubinas (Dicentrarchus labrax) Bounding boxes. Deep neural networks Sea bass (Dicentrarchus labrax) Dicentrarchus labrax Máster Universitario en Evaluación y Seguimiento Ambiental de Ecosistemas Marinos y Costeros-Màster Universitari en Avaluació i Seguiment Ambiental d&apos Ecosistemes Marins i Costaners |
| title | Recopilación y generación de datos para el entrenamiento y validación de modelos de deep learning en acuicultura: Dicentrarchus labrax. |
| title_full | Recopilación y generación de datos para el entrenamiento y validación de modelos de deep learning en acuicultura: Dicentrarchus labrax. |
| title_fullStr | Recopilación y generación de datos para el entrenamiento y validación de modelos de deep learning en acuicultura: Dicentrarchus labrax. |
| title_full_unstemmed | Recopilación y generación de datos para el entrenamiento y validación de modelos de deep learning en acuicultura: Dicentrarchus labrax. |
| title_short | Recopilación y generación de datos para el entrenamiento y validación de modelos de deep learning en acuicultura: Dicentrarchus labrax. |
| title_sort | Recopilación y generación de datos para el entrenamiento y validación de modelos de deep learning en acuicultura: Dicentrarchus labrax. |
| topic | Deep learning Redes neuronales profundas Dataset Lubinas (Dicentrarchus labrax) Bounding boxes. Deep neural networks Sea bass (Dicentrarchus labrax) Dicentrarchus labrax Máster Universitario en Evaluación y Seguimiento Ambiental de Ecosistemas Marinos y Costeros-Màster Universitari en Avaluació i Seguiment Ambiental d&apos Ecosistemes Marins i Costaners |
| topic_facet | Deep learning Redes neuronales profundas Dataset Lubinas (Dicentrarchus labrax) Bounding boxes. Deep neural networks Sea bass (Dicentrarchus labrax) Dicentrarchus labrax Máster Universitario en Evaluación y Seguimiento Ambiental de Ecosistemas Marinos y Costeros-Màster Universitari en Avaluació i Seguiment Ambiental d&apos Ecosistemes Marins i Costaners |
| url | https://riunet.upv.es/handle/10251/225836 |