Instituto Tecnológico de Celaya Tecnológico Nacional de México
ITC Investigación ITC
Explorar publicaciones
Artículo · 2024 · Catálogo consolidado

RECONOCIMIENTO Y DETECCIÓN DE FRAGMENTOS DE VIDRIO MEDIANTE EL USO DE YOLOv8 (GLASS FRAGMENT RECOGNITION AND DETECTION USING YOLOv8)

Pistas Educativas

Luis Edgar Alanís Carranza Tecnológico Nacional de México / TES de Coacalco
Brandon Misael Muñoz Ochoa Tecnológico Nacional de México / TES de Coacalco
José Emmanuel Sánchez Sánchez Tecnológico Nacional de México / TES de Coacalco
Cristian Adrián Aguilar Contreras Tecnológico Nacional de México / TES de Coacalco
José Roberto Pérez Torres Tecnológico Nacional de México / TES de Coacalco
Grethell Georgina Pérez Sánchez Universidad Autónoma Metropolitana, Unidad Azcapotzalco

Resumen

Resumen En este artículo se presenta el desarrollo de un algoritmo para el reconocimiento y detección de fragmentos de vidrio, impulsado por la red neuronal convolucional del modelo YOLO versión 8; empleando las funciones para segmentación de imágenes y detección de objetos en tiempo real que ofrece dicho modelo. Como punto de partida se plantea la necesidad de optimizar los procesos manuales de clasificación utilizados en las plantas de reciclaje de vidrio mediante un sistema automatizado. El trabajo desarrollado permite concluir que la red convolucional YOLO posee características idóneas de rapidez y precisión para la clasificación de vidrio de los colores verde, ámbar y transparente. Se describen los procesos de recolección y etiquetado de datos, haciendo uso del software Anaconda y la herramienta Labelimg, y finalmente se destaca la obtención de una precisión promedio del 88% en el reconocimiento de imágenes tras el entrenamiento con una duración de 400 épocas. Palabras Clave: Vidrio, Aprendizaje Produnfo, Aprendizaje de Máquina, Reconocimiento de Objetos, YOLO. Abstract This article presents the development of an algorithm driven by the convolutional neural network of the YOLO model in its version 8 for the recognition and detection of fragments using the functions for image segmentation and object detection in real time offered by such model. As a starting point, it is considered the need to optimize the classification processes in glass recycling plants through an automated system. The work carried out allows us to conclude that the YOLO convolutional network has the optimal characteristics for carrying out the project due to its speed and precision. The data collection and labeling processes are described, using the Anaconda software and the Labelimg tool, and finally, obtaining an average accuracy of 88% in image recognition after training with a duration of 400 epochs is highlighted. Keywords: Glass, Deep Learning, Machine Learning, Object recognition, YOLO.

Datos de publicación

Cita esta publicación

Comprueba el estilo que requiere tu institución o revista.

Luis Edgar Alanís Carranza; Brandon Misael Muñoz Ochoa; José Emmanuel Sánchez Sánchez; Cristian Adrián Aguilar Contreras; José Roberto Pérez Torres; Grethell Georgina Pérez Sánchez. (2024). RECONOCIMIENTO Y DETECCIÓN DE FRAGMENTOS DE VIDRIO MEDIANTE EL USO DE YOLOv8 (GLASS FRAGMENT RECOGNITION AND DETECTION USING YOLOv8). Pistas Educativas, 45(147). https://pistaseducativas.celaya.tecnm.mx/index.php/pistas/article/view/3455

Fuentes y trazabilidad

Se conserva la procedencia de los datos y se da prioridad a la revista cuando existe información editorial.

Licencias declaradas por las fuentes

Licencia en el registro de origen

Descargar ficha bibliográfica

El PDF contiene los metadatos y el enlace al trabajo original.