Premio de la Cátedra Telefónica de la UEx a un proyecto del CUMe

Un proyecto del CUMe premiado por la Cátedra Telefonica de la UEx dentro de la convocatoria a Proyectos IoT, BigData, Machine Learning y Blockchain para el Sector Agroganadero. 

El proyecto premiado lleva por título "VisualINSPEC: Sistema para el escandallo automático de productos agroalimentarios. Prueba de concepto con la aceituna verde de mesa". y ha sido desarrollado por el estudiante Juan José Rodríguez y los profesores Miguel Macías y Héctor Sánchez.

 A continuación se indican los principales objetivos del proyecto:

El proyecto persigue la creación hardware y software de un sistema construido sobre una Raspberry Pi para el escandallo automático de aceitunas verdes de mesa. Este sistema será accesible desde cualquier dispositivo a través de un navegador web y permitirá, mediante una serie de controles, la toma de la imagen de la muestra e informes detallados del calibre de los productos y de los defectos de los mismos.

Para la ejecución del proyecto se deben abordar los siguientes objetivos específicos:

1. Creación de una base de datos de imágenes de aceitunas en la que todas las aceitunas deben ser correctamente identificadas a través de su correspondiente “máscara” y asociadas a cada una de las categorías de interés (ground truth).
2. Entrenamiento del algoritmo de detección de objetos sobre las imágenes de la base de datos. Utilizaremos Mask - RCNN por su precisión y velocidad a la hora de detectar y localizar objetos dentro de una imagen. Este algoritmo además de ofrecernos un bounding box con la localización del objeto nos ofrece una máscara que recoge los pixeles que pertenecen a cada uno de los objetos es lo que se denomina “segmentación semántica”. Estos algoritmos deben ser entrenados en clústeres de CPUs o GPUs por el elevado coste computacional del proceso. 
3. El clasificador final (de mucho menor coste computacional) se ejecutará en un miniordenador tipo Raspberry Pi. Si los resultados obtenidos en este paso no son del todo satisfactorios habrá que volver al objetivo 1, alimentando la base de datos con aquellas imágenes y objetos en las que el clasificador ha obtenido malos resultados (bootstrapping). 
4. La programación en Node-RED del entorno web que permitirá el control del sistema y la obtención de los informes de los productos. 

¡Enhorabuena a los autores por el premio y por el trabajo desarrollado!