Implementación de un sistema de alimentación automático para perros y gatos con inteligencia artificial aplicando técnica de red neuronal convolucional (CNN).
En este proyecto se implementó un sistema de inteligencia artificial (IA) aplicando técnicas de red neuronal convolucional (CNN) para la detección y alimentación automática de perros y gatos en un hogar de paso ubicado en la institución educativa Laureano Gómez, en San Agustín, departamento de Huila Colombia. Se desarrollaron dos componentes principales: el primero, un sistema de procesamiento de imágenes y el segundo, un modelo de aprendizaje automático, el sistema de procesamiento de imágenes se encargó de recopilar y estructurar adecuadamente los datos para su uso en el algoritmo que aplica técnicas de red neuronal convolucional, el modelo de aprendizaje automático adaptado a técnicas de reconocimiento de patrones para identificar a los animales en mención. La implementación del sistema permite una alimentación más eficiente y en tiempo real para los animales del hogar de paso, con lo que se espera mejorar su calidad de vida. Las métricas utilizadas para evaluar el rendimiento del sistema incluyen precisión y funcionalidad, en las pruebas experimentales del prototipo se muestra un indicador de acierto del algoritmo implementado en la identificación de los perros y gatos superior al 90%. En conclusión, este proyecto demuestra el potencial de la inteligencia artificial y sus diferentes técnicas aplicables siendo una de estas, las redes neuronales convolucionales que brinda una solución a problemas cotidianos que busca mejorar la calidad de vida de los animales dentro del hogar de paso en la Institución Educativa.
Derechos de autor 2022 Documentos de Trabajo ECBTI
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
