Detección y clasificación automatizada de fauna salvaje mediante imágenes de cámaras trampeo fotográficas
Martínez García, Adrián
Mulayim, Mehmet Oguz tut. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Títol variant:	Detecció i classificació automatitzada de fauna salvatge mitjançant imatges de càmeres trampeig fotogràfic
Títol variant:	Automated detection and classification of wildlife using images from camera traps
Data:	2026
Resum:	En estudis de monitorització de fauna salvatge, l’anàlisi i classificació manual de fotografies mitjançant càmeres de trampeig és una tasca molt costosa. En aquest treball es desenvolupa un sistema automàtic per a la detecció i classificació de deu especies d’animals diferents mitjançant l’ús de tècniques d’aprenentatge profund. Per això, s’utilitzen diferents mètodes d’aprenentatge per transferència en models preentranats basats en l’arquitectura YOLOv5, juntament amb un preprocessat y augment de les dades per millor el resultats. També s’analitzen diferents configuracions del entrenament y mides del conjunt de dades amb el objectiu d’optimitzar el rendiment y precisió del sistema. A més, el codi desenvolupat durant el projecte es troba disponible en un repositori GitHub públic.
Resum:	In wildlife monitoring studies, the manual analysis and classification of the photographs taken by camera traps is a very costly task. This work develops an automated system for the detection and classification of ten different animal species using deep learning techniques. To achieve this, different transfer learning methods are used on pretrained models based on the YOLOv5 architecture, along with data preprocessing and augmentation to improve results. Different training configurations and dataset sizes are also analysed to optimize the system’s performance and accuracy. In addition, the code developed during this project is available in a public GitHub repository.
Resum:	En estudios de monitorización de fauna salvaje el análisis y clasificación manual de las fotografías mediante cámaras de trampeo es una tarea muy costosa. En este trabajo se desarrolla un sistema automático para la detección y clasificación de diez especies de animales diferentes mediante el uso de técnicas de aprendizaje profundo. Para ello, se utilizan diferentes métodos de aprendizaje por transferencia en modelos preentrenados basados en la arquitectura YOLOv5, junto con un preprocesado y aumento de los datos para mejorar los resultados. También se analizan diferentes configuraciones del entrenamiento y tamaños del conjunto de datos con el objetivo de optimizar el rendimiento y precisión del sistema. Además, el código desarrollado durante el proyecto se encuentra disponible en un repositorio GitHub público.
Drets:	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 i quan aquestes es distribueixin sota la mateixa llicència que regula l'obra original i es reconegui l'autoria.
Llengua:	Castellà
Titulació:	Enginyeria Informàtica [2502441]
Pla d'estudis:	Enginyeria Informàtica [958]
Document:	Treball final de grau
Àrea temàtica:	Menció Computació
Matèria:	Aprenentatge per transferència ; Aprenentatge profund ; Càmeres trampeig ; Classificació d'espècies ; Intel·ligència artificial ; Artificial intelligence ; Camera trap ; Deep learning ; Species classification ; Transfer learning ; Aprendizaje por transferencia ; Aprendizaje profundo ; Cámaras trampeo ; Clasificación de especies ; Inteligencia artificial

9 p, 1.4 MB

El registre apareix a les col·leccions:
Documents de recerca > Treballs de final de grau > Escola d'Enginyeria. TFG