Análisis morfométrico y clasificación de granos de cebada mediante armónicos esféricos y deep learning
Esmoris Cerezuela, Javier
Lumbreras Ruiz, Felipe, dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Additional title:	Anàlisi morfomètric i classificació de grans d'ordi amb harmònics esfèrics i deep learning
Additional title:	Morphometric analysis and classification of barley grains using spherical harmonics and deep learning
Date:	2024
Abstract:	En este trabajo se explora el análisis morfométrico de granos de cebada a través de su representación en armónicos esféricos. Se tratará en detalle el alineamiento de granos, la teoría que fundamenta los armónicos esféricos y sus limitaciones en su capacidad de representación de objetos arbitrarios. Con esta herramienta matemática se desarrolla una metodología que permite realizar operaciones entre objetos punto a punto, y reducir la resolución de los objetos conservando su forma original. Con la representación en armónicos esféricos se entrenarán dos modelos para cuatro experimentos de clasificación, con el objetivo de predecir características de los granos de cebada únicamente con la información de su superficie, tales como razas y lugares de crecimiento. Estos experimentos pretenden demostrar la eficacia de los armónicos esféricos y el Machine Learning en la clasificación morfométrica, así como explorar su potencial para aplicaciones futuras.
Abstract:	En aquest treball s'explora l'anàlisi morfomètric de grans d'ordi a través de la seva representació en harmònics esfèrics. Es tractarà en detall l'alineament de grans, la teoria que fonamenta els harmònics esfèrics i les seves limitacions en la seva capacitat de representació d'objectes arbitraris. Amb aquesta eina matemàtica es desenvolupa una metodologia que permet realitzar operacions entre objectes punt a punt, i reduir la resolució dels objectes conservant la seva forma original. Amb la representació en harmònics esfèrics s'entrenaran dos models per a quatre experiments de classificació, amb l'objectiu de predir característiques dels grans d'ordi únicament amb la informació de la seva superfície, tals com races i llocs de creixement. Aquests experiments pretenen demostrar l'eficàcia dels harmònics esfèrics i el Machine Learning en la classificació morfomètrica, així com explorar el seu potencial per a aplicacions futures.
Abstract:	In this work, the morphometric analysis of barley grains is explored through their representation in spherical harmonics. The alignment of grains, the theory underlying spherical harmonics, and their limitations in representing arbitrary objects will be discussed in detail. With this mathematical tool, a methodology is developed in order to allow point-to-point operations between objects and reduce the resolution of objects while preserving their original shape. Two models will be trained for four classification experiments using the representation in spherical harmonics, aiming to predict characteristics of barley grains, such as breeds and growth location, using only their surface information. These experiments aim to demonstrate the effectiveness of spherical harmonics and Machine Learning in morphometric classification and explore their potential for future applications.
Rights:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original.
Language:	Castellà
Studies:	Enginyeria Informàtica [2502441]
Study plan:	Enginyeria Informàtica [958]
Document:	Treball final de grau ; Text
Subject area:	Menció Computació
Subject:	Machine Learning ; Deep Learning ; Harmònics esfèrics ; Random Forest ; MultiLayer Perceptron ; Classificació 3D ; Ordi ; Armónicos esféricos ; Clasificación 3D ; Cebada ; Spherical Harmonics ; 3D Classification ; Barley

11 p, 4.8 MB

The record appears in these collections:
Research literature > Bachelor's degree final project > School of Engineering. TFG