Diseño de algoritmos de inteligencia artificial para reconocimiento de imágenes, con aplicación al pastoreo racional

Autores
Ferramosca, Antonio; Talijancic, Ivan; Capozzolo, Maria Cecilia; Franzoi, Santiago; Marcón, Juan Pablo; Pereson, Marcos
Año de publicación
2020
Idioma
español castellano
Tipo de recurso
documento de trabajo
Estado
versión borrador
Descripción
Desarrollo de una estrategia de control automático para el vuelo autónomo o guiado de vehículos aéreos no tripulados (en inglés, UAV - Unmanned Aerial Vehicle), comunalmente conocidos como drones, en particular del tipo quadrotor. Estos drones tendrán que realizar (en principio) tareas en zonas rurales, como monitereo y trazabilidad de ganado en grandes extensiones, monitoreo de siembra, esparcimiento de fertilizantes o pesticidas. Se trata de tareas que necesitan una elevada autonomía por parte del UAV. Además, el control de UAVs presenta cierta complejidad teórica, pues se trata de sistemas no lineales multivariables, con dinámicas rápidas, y por lo tanto con tiempos de muestreo cortos, sujetos a restricciones y perturbaciones aerodinámicas. El control predictivo (en inglés, Model Predictive Control, MPC) es una de las pocas estrategias que permite el control de sistemas con restricciones atendiendo a un criterio óptimo y garantizando estabilidad y convergencia al punto de equilibrio. Por ello, se propone utilizar el MPC como estrategia para abordar el problema. El objetivo es diseñar una estrategia de control predictivo con incorporación de objetivos de tipo económico (eso es, mejorar la autonomía del dron), y de robustez y factibilidad frente a perturbaciones no manejables (por ejemplo, el viento). El UAV controlado deberá poder realizar las tareas deseadas en el tiempo deseado, cumpliendo con los objetivos de control: seguimiento de trayectorias y autonomía. Para la implementación práctica de los algoritmos de control que se desarrollen, se harán uso de plataformas de desarrollo de software embebido con alta capacidad de computo paralelo (NVIDIA Jetson TX1) que permitan correr en tiempo real los algoritmos de control predictivo basado en modelos, caracterizados por el alto costo computacional que los mismos acarrean. Aprovechando las virtudes de cómputo de éstas plataformas embebidas, se realizaran también desarrollo e implementaciones de inteligencia artificial en el campo de procesamiento y reconocimiento de imágenes en tiempo real, lo cual es extremadamente útil en las posibles aplicaciones de drones que se abordan en el siguiente proyecto.
Fil: Ferramoca, Antonio. UTN Facultad Regional Reconquista; Argentina.
Fil: Talijancic, Ivan. UTN Facultad Regional Reconquista; Argentina.
Fil: Capozzolo, Maria Cecilia. INTA Estación Experimental Reconquista; Argentina.
Fil: Franzoi, Santiago. UTN Facultad Regional Reconquista; Argentina.
Fil: Marcón, Juan Pablo. UTN Facultad Regional Reconquista; Argentina.
Fil: Peresón, Marcos. UTN Facultad Regional Reconquista; Argentina.
Peer Reviewed
Materia
Drones. inteligencia artificial, pastoreo racional, control predictivo
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2021-01-28T20:13:51Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/4765
Acceder
id RIAUTN_3a19ea22d2f5e8226a5a72815162566f
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/4765
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Diseño de algoritmos de inteligencia artificial para reconocimiento de imágenes, con aplicación al pastoreo racionalFerramosca, AntonioTalijancic, IvanCapozzolo, Maria CeciliaFranzoi, SantiagoMarcón, Juan PabloPereson, MarcosDrones. inteligencia artificial, pastoreo racional, control predictivoDesarrollo de una estrategia de control automático para el vuelo autónomo o guiado de vehículos aéreos no tripulados (en inglés, UAV - Unmanned Aerial Vehicle), comunalmente conocidos como drones, en particular del tipo quadrotor. Estos drones tendrán que realizar (en principio) tareas en zonas rurales, como monitereo y trazabilidad de ganado en grandes extensiones, monitoreo de siembra, esparcimiento de fertilizantes o pesticidas. Se trata de tareas que necesitan una elevada autonomía por parte del UAV. Además, el control de UAVs presenta cierta complejidad teórica, pues se trata de sistemas no lineales multivariables, con dinámicas rápidas, y por lo tanto con tiempos de muestreo cortos, sujetos a restricciones y perturbaciones aerodinámicas. El control predictivo (en inglés, Model Predictive Control, MPC) es una de las pocas estrategias que permite el control de sistemas con restricciones atendiendo a un criterio óptimo y garantizando estabilidad y convergencia al punto de equilibrio. Por ello, se propone utilizar el MPC como estrategia para abordar el problema. El objetivo es diseñar una estrategia de control predictivo con incorporación de objetivos de tipo económico (eso es, mejorar la autonomía del dron), y de robustez y factibilidad frente a perturbaciones no manejables (por ejemplo, el viento). El UAV controlado deberá poder realizar las tareas deseadas en el tiempo deseado, cumpliendo con los objetivos de control: seguimiento de trayectorias y autonomía. Para la implementación práctica de los algoritmos de control que se desarrollen, se harán uso de plataformas de desarrollo de software embebido con alta capacidad de computo paralelo (NVIDIA Jetson TX1) que permitan correr en tiempo real los algoritmos de control predictivo basado en modelos, caracterizados por el alto costo computacional que los mismos acarrean. Aprovechando las virtudes de cómputo de éstas plataformas embebidas, se realizaran también desarrollo e implementaciones de inteligencia artificial en el campo de procesamiento y reconocimiento de imágenes en tiempo real, lo cual es extremadamente útil en las posibles aplicaciones de drones que se abordan en el siguiente proyecto.Fil: Ferramoca, Antonio. UTN Facultad Regional Reconquista; Argentina.Fil: Talijancic, Ivan. UTN Facultad Regional Reconquista; Argentina.Fil: Capozzolo, Maria Cecilia. INTA Estación Experimental Reconquista; Argentina.Fil: Franzoi, Santiago. UTN Facultad Regional Reconquista; Argentina.Fil: Marcón, Juan Pablo. UTN Facultad Regional Reconquista; Argentina.Fil: Peresón, Marcos. UTN Facultad Regional Reconquista; Argentina.Peer Reviewed2021-01-28T20:13:51Z2021-01-28T20:13:51Z2020-01-01info:eu-repo/semantics/workingPaperinfo:eu-repo/semantics/drafthttp://purl.org/coar/resource_type/c_8042info:ar-repo/semantics/documentoDeTrabajoapplication/pdfapplication/pdfhttp://hdl.handle.net/20.500.12272/4765spainfo:eu-repo/semantics/openAccess2021-01-28T20:13:51ZN/Creponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:46:20Zoai:ria.utn.edu.ar:20.500.12272/4765instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:46:21.802Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Diseño de algoritmos de inteligencia artificial para reconocimiento de imágenes, con aplicación al pastoreo racional
title Diseño de algoritmos de inteligencia artificial para reconocimiento de imágenes, con aplicación al pastoreo racional
spellingShingle Diseño de algoritmos de inteligencia artificial para reconocimiento de imágenes, con aplicación al pastoreo racional
Ferramosca, Antonio
Drones. inteligencia artificial, pastoreo racional, control predictivo
title_short Diseño de algoritmos de inteligencia artificial para reconocimiento de imágenes, con aplicación al pastoreo racional
title_full Diseño de algoritmos de inteligencia artificial para reconocimiento de imágenes, con aplicación al pastoreo racional
title_fullStr Diseño de algoritmos de inteligencia artificial para reconocimiento de imágenes, con aplicación al pastoreo racional
title_full_unstemmed Diseño de algoritmos de inteligencia artificial para reconocimiento de imágenes, con aplicación al pastoreo racional
title_sort Diseño de algoritmos de inteligencia artificial para reconocimiento de imágenes, con aplicación al pastoreo racional
dc.creator.none.fl_str_mv Ferramosca, Antonio
Talijancic, Ivan
Capozzolo, Maria Cecilia
Franzoi, Santiago
Marcón, Juan Pablo
Pereson, Marcos
author Ferramosca, Antonio
author_facet Ferramosca, Antonio
Talijancic, Ivan
Capozzolo, Maria Cecilia
Franzoi, Santiago
Marcón, Juan Pablo
Pereson, Marcos
author_role author
author2 Talijancic, Ivan
Capozzolo, Maria Cecilia
Franzoi, Santiago
Marcón, Juan Pablo
Pereson, Marcos
author2_role author
author
author
author
author
dc.subject.none.fl_str_mv Drones. inteligencia artificial, pastoreo racional, control predictivo
topic Drones. inteligencia artificial, pastoreo racional, control predictivo
dc.description.none.fl_txt_mv Desarrollo de una estrategia de control automático para el vuelo autónomo o guiado de vehículos aéreos no tripulados (en inglés, UAV - Unmanned Aerial Vehicle), comunalmente conocidos como drones, en particular del tipo quadrotor. Estos drones tendrán que realizar (en principio) tareas en zonas rurales, como monitereo y trazabilidad de ganado en grandes extensiones, monitoreo de siembra, esparcimiento de fertilizantes o pesticidas. Se trata de tareas que necesitan una elevada autonomía por parte del UAV. Además, el control de UAVs presenta cierta complejidad teórica, pues se trata de sistemas no lineales multivariables, con dinámicas rápidas, y por lo tanto con tiempos de muestreo cortos, sujetos a restricciones y perturbaciones aerodinámicas. El control predictivo (en inglés, Model Predictive Control, MPC) es una de las pocas estrategias que permite el control de sistemas con restricciones atendiendo a un criterio óptimo y garantizando estabilidad y convergencia al punto de equilibrio. Por ello, se propone utilizar el MPC como estrategia para abordar el problema. El objetivo es diseñar una estrategia de control predictivo con incorporación de objetivos de tipo económico (eso es, mejorar la autonomía del dron), y de robustez y factibilidad frente a perturbaciones no manejables (por ejemplo, el viento). El UAV controlado deberá poder realizar las tareas deseadas en el tiempo deseado, cumpliendo con los objetivos de control: seguimiento de trayectorias y autonomía. Para la implementación práctica de los algoritmos de control que se desarrollen, se harán uso de plataformas de desarrollo de software embebido con alta capacidad de computo paralelo (NVIDIA Jetson TX1) que permitan correr en tiempo real los algoritmos de control predictivo basado en modelos, caracterizados por el alto costo computacional que los mismos acarrean. Aprovechando las virtudes de cómputo de éstas plataformas embebidas, se realizaran también desarrollo e implementaciones de inteligencia artificial en el campo de procesamiento y reconocimiento de imágenes en tiempo real, lo cual es extremadamente útil en las posibles aplicaciones de drones que se abordan en el siguiente proyecto.
Fil: Ferramoca, Antonio. UTN Facultad Regional Reconquista; Argentina.
Fil: Talijancic, Ivan. UTN Facultad Regional Reconquista; Argentina.
Fil: Capozzolo, Maria Cecilia. INTA Estación Experimental Reconquista; Argentina.
Fil: Franzoi, Santiago. UTN Facultad Regional Reconquista; Argentina.
Fil: Marcón, Juan Pablo. UTN Facultad Regional Reconquista; Argentina.
Fil: Peresón, Marcos. UTN Facultad Regional Reconquista; Argentina.
Peer Reviewed
description Desarrollo de una estrategia de control automático para el vuelo autónomo o guiado de vehículos aéreos no tripulados (en inglés, UAV - Unmanned Aerial Vehicle), comunalmente conocidos como drones, en particular del tipo quadrotor. Estos drones tendrán que realizar (en principio) tareas en zonas rurales, como monitereo y trazabilidad de ganado en grandes extensiones, monitoreo de siembra, esparcimiento de fertilizantes o pesticidas. Se trata de tareas que necesitan una elevada autonomía por parte del UAV. Además, el control de UAVs presenta cierta complejidad teórica, pues se trata de sistemas no lineales multivariables, con dinámicas rápidas, y por lo tanto con tiempos de muestreo cortos, sujetos a restricciones y perturbaciones aerodinámicas. El control predictivo (en inglés, Model Predictive Control, MPC) es una de las pocas estrategias que permite el control de sistemas con restricciones atendiendo a un criterio óptimo y garantizando estabilidad y convergencia al punto de equilibrio. Por ello, se propone utilizar el MPC como estrategia para abordar el problema. El objetivo es diseñar una estrategia de control predictivo con incorporación de objetivos de tipo económico (eso es, mejorar la autonomía del dron), y de robustez y factibilidad frente a perturbaciones no manejables (por ejemplo, el viento). El UAV controlado deberá poder realizar las tareas deseadas en el tiempo deseado, cumpliendo con los objetivos de control: seguimiento de trayectorias y autonomía. Para la implementación práctica de los algoritmos de control que se desarrollen, se harán uso de plataformas de desarrollo de software embebido con alta capacidad de computo paralelo (NVIDIA Jetson TX1) que permitan correr en tiempo real los algoritmos de control predictivo basado en modelos, caracterizados por el alto costo computacional que los mismos acarrean. Aprovechando las virtudes de cómputo de éstas plataformas embebidas, se realizaran también desarrollo e implementaciones de inteligencia artificial en el campo de procesamiento y reconocimiento de imágenes en tiempo real, lo cual es extremadamente útil en las posibles aplicaciones de drones que se abordan en el siguiente proyecto.
publishDate 2020
dc.date.none.fl_str_mv 2020-01-01
2021-01-28T20:13:51Z
2021-01-28T20:13:51Z
dc.type.none.fl_str_mv info:eu-repo/semantics/workingPaper
info:eu-repo/semantics/draft
http://purl.org/coar/resource_type/c_8042
info:ar-repo/semantics/documentoDeTrabajo
format workingPaper
status_str draft
dc.identifier.none.fl_str_mv http://hdl.handle.net/20.500.12272/4765
url http://hdl.handle.net/20.500.12272/4765
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2021-01-28T20:13:51Z
N/C
eu_rights_str_mv openAccess
rights_invalid_str_mv 2021-01-28T20:13:51Z
N/C
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230919752876032
score 13.265058

Publicaciones similares