Utilización de Inteligencia Artificial para la estimación de la actividad forrajera de las hormigas cortadoras de hojas.

Autores
Quiroga, Agustin Antonio; Vinzon Sthele , Alan David
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Maggiolini, Lucas
Sabattini, Julian Alberto
Descripción
Se desarrolló un sistema automatizado con el fin de lograr el seguimiento y análisis del comportamiento forrajero de hormigas cortadoras de hojas. El objetivo central fue obtener información estadística sobre el área acumulada de las hojas transportadas, la frecuencia de detecciones y las trayectorias seguidas por las hormigas. Para ello, se utilizaron redes neuronales convolucionales (CNN) implementadas con YOLOv8, que, por su rendimiento optimizado para la detección, se seleccionó por encima de otros métodos. Se emplearon herramientas como Python, PyTorch y OpenCV. Además se implementaron datasets de imágenes recopiladas a partir de grabaciones de video en un entorno controlado que luego fue ampliado y anotado con Labelme y Roboflow, siendo este último el framework seleccionado. Se aplicaron algoritmos personalizados de seguimiento para superar desafíos relacionados con la irregularidad de las cargas y los movimientos erráticos de las hormigas. Implementamos métricas como la Tasa de Seguimiento Exitoso y Tasa de Completitud de Trayectoria que midieron la puntuación de nuestro algoritmo. En entornos de baja actividad, obtuvimos 83,7% y 95,3%, respectivamente. En entornos de alta actividad, los resultados fueron 52,3 % y 95,3 %. Finalmente, se puso en práctica una interfaz gráfica con CustomTKinter que facilita la interacción, configuración de parámetros y visualización de los resultados
Fil: Quiroga, Agustín Antonio. Universidad Tecnológica Nacional. Dpto. de Ing. Electrónica; Argentina
Fil: Vinzon Sthele, Eric Alan David
Materia
Yolo
Detection
Ecology
Foraging
Segmentation
racking,
Artificial Intelligence
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Attribution-NonCommercial-NoDerivs 2.5 Argentina
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/13777

id RIAUTN_437718ade8aced1a314218dde626acee
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/13777
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Utilización de Inteligencia Artificial para la estimación de la actividad forrajera de las hormigas cortadoras de hojas.Quiroga, Agustin AntonioVinzon Sthele , Alan DavidYoloDetectionEcologyForagingSegmentationracking,Artificial IntelligenceSe desarrolló un sistema automatizado con el fin de lograr el seguimiento y análisis del comportamiento forrajero de hormigas cortadoras de hojas. El objetivo central fue obtener información estadística sobre el área acumulada de las hojas transportadas, la frecuencia de detecciones y las trayectorias seguidas por las hormigas. Para ello, se utilizaron redes neuronales convolucionales (CNN) implementadas con YOLOv8, que, por su rendimiento optimizado para la detección, se seleccionó por encima de otros métodos. Se emplearon herramientas como Python, PyTorch y OpenCV. Además se implementaron datasets de imágenes recopiladas a partir de grabaciones de video en un entorno controlado que luego fue ampliado y anotado con Labelme y Roboflow, siendo este último el framework seleccionado. Se aplicaron algoritmos personalizados de seguimiento para superar desafíos relacionados con la irregularidad de las cargas y los movimientos erráticos de las hormigas. Implementamos métricas como la Tasa de Seguimiento Exitoso y Tasa de Completitud de Trayectoria que midieron la puntuación de nuestro algoritmo. En entornos de baja actividad, obtuvimos 83,7% y 95,3%, respectivamente. En entornos de alta actividad, los resultados fueron 52,3 % y 95,3 %. Finalmente, se puso en práctica una interfaz gráfica con CustomTKinter que facilita la interacción, configuración de parámetros y visualización de los resultadosFil: Quiroga, Agustín Antonio. Universidad Tecnológica Nacional. Dpto. de Ing. Electrónica; ArgentinaFil: Vinzon Sthele, Eric Alan DavidMaggiolini, LucasSabattini, Julian Alberto2025-09-10T22:48:51Z2025-09-02info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradopdfapplication/pdfhttps://hdl.handle.net/20.500.12272/13777-doispainfo:eu-repo/semantics/openAccessAttribution-NonCommercial-NoDerivs 2.5 Argentinahttp://creativecommons.org/licenses/by-nc-nd/2.5/ar/QUIROGA, Agustin Antonio • VINZON STHELE, Eric Alan DavidCreative Commons / Atribución- No Comercialreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-10-29T11:26:46Zoai:ria.utn.edu.ar:20.500.12272/13777instacron: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:a2026-10-29 11:26:47.085Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Utilización de Inteligencia Artificial para la estimación de la actividad forrajera de las hormigas cortadoras de hojas.
title Utilización de Inteligencia Artificial para la estimación de la actividad forrajera de las hormigas cortadoras de hojas.
spellingShingle Utilización de Inteligencia Artificial para la estimación de la actividad forrajera de las hormigas cortadoras de hojas.
Quiroga, Agustin Antonio
Yolo
Detection
Ecology
Foraging
Segmentation
racking,
Artificial Intelligence
title_short Utilización de Inteligencia Artificial para la estimación de la actividad forrajera de las hormigas cortadoras de hojas.
title_full Utilización de Inteligencia Artificial para la estimación de la actividad forrajera de las hormigas cortadoras de hojas.
title_fullStr Utilización de Inteligencia Artificial para la estimación de la actividad forrajera de las hormigas cortadoras de hojas.
title_full_unstemmed Utilización de Inteligencia Artificial para la estimación de la actividad forrajera de las hormigas cortadoras de hojas.
title_sort Utilización de Inteligencia Artificial para la estimación de la actividad forrajera de las hormigas cortadoras de hojas.
dc.creator.none.fl_str_mv Quiroga, Agustin Antonio
Vinzon Sthele , Alan David
author Quiroga, Agustin Antonio
author_facet Quiroga, Agustin Antonio
Vinzon Sthele , Alan David
author_role author
author2 Vinzon Sthele , Alan David
author2_role author
dc.contributor.none.fl_str_mv Maggiolini, Lucas
Sabattini, Julian Alberto
dc.subject.none.fl_str_mv Yolo
Detection
Ecology
Foraging
Segmentation
racking,
Artificial Intelligence
topic Yolo
Detection
Ecology
Foraging
Segmentation
racking,
Artificial Intelligence
dc.description.none.fl_txt_mv Se desarrolló un sistema automatizado con el fin de lograr el seguimiento y análisis del comportamiento forrajero de hormigas cortadoras de hojas. El objetivo central fue obtener información estadística sobre el área acumulada de las hojas transportadas, la frecuencia de detecciones y las trayectorias seguidas por las hormigas. Para ello, se utilizaron redes neuronales convolucionales (CNN) implementadas con YOLOv8, que, por su rendimiento optimizado para la detección, se seleccionó por encima de otros métodos. Se emplearon herramientas como Python, PyTorch y OpenCV. Además se implementaron datasets de imágenes recopiladas a partir de grabaciones de video en un entorno controlado que luego fue ampliado y anotado con Labelme y Roboflow, siendo este último el framework seleccionado. Se aplicaron algoritmos personalizados de seguimiento para superar desafíos relacionados con la irregularidad de las cargas y los movimientos erráticos de las hormigas. Implementamos métricas como la Tasa de Seguimiento Exitoso y Tasa de Completitud de Trayectoria que midieron la puntuación de nuestro algoritmo. En entornos de baja actividad, obtuvimos 83,7% y 95,3%, respectivamente. En entornos de alta actividad, los resultados fueron 52,3 % y 95,3 %. Finalmente, se puso en práctica una interfaz gráfica con CustomTKinter que facilita la interacción, configuración de parámetros y visualización de los resultados
Fil: Quiroga, Agustín Antonio. Universidad Tecnológica Nacional. Dpto. de Ing. Electrónica; Argentina
Fil: Vinzon Sthele, Eric Alan David
description Se desarrolló un sistema automatizado con el fin de lograr el seguimiento y análisis del comportamiento forrajero de hormigas cortadoras de hojas. El objetivo central fue obtener información estadística sobre el área acumulada de las hojas transportadas, la frecuencia de detecciones y las trayectorias seguidas por las hormigas. Para ello, se utilizaron redes neuronales convolucionales (CNN) implementadas con YOLOv8, que, por su rendimiento optimizado para la detección, se seleccionó por encima de otros métodos. Se emplearon herramientas como Python, PyTorch y OpenCV. Además se implementaron datasets de imágenes recopiladas a partir de grabaciones de video en un entorno controlado que luego fue ampliado y anotado con Labelme y Roboflow, siendo este último el framework seleccionado. Se aplicaron algoritmos personalizados de seguimiento para superar desafíos relacionados con la irregularidad de las cargas y los movimientos erráticos de las hormigas. Implementamos métricas como la Tasa de Seguimiento Exitoso y Tasa de Completitud de Trayectoria que midieron la puntuación de nuestro algoritmo. En entornos de baja actividad, obtuvimos 83,7% y 95,3%, respectivamente. En entornos de alta actividad, los resultados fueron 52,3 % y 95,3 %. Finalmente, se puso en práctica una interfaz gráfica con CustomTKinter que facilita la interacción, configuración de parámetros y visualización de los resultados
publishDate 2025
dc.date.none.fl_str_mv 2025-09-10T22:48:51Z
2025-09-02
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.12272/13777
-doi
url https://hdl.handle.net/20.500.12272/13777
identifier_str_mv -doi
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Attribution-NonCommercial-NoDerivs 2.5 Argentina
http://creativecommons.org/licenses/by-nc-nd/2.5/ar/
QUIROGA, Agustin Antonio • VINZON STHELE, Eric Alan David
Creative Commons / Atribución- No Comercial
eu_rights_str_mv openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 2.5 Argentina
http://creativecommons.org/licenses/by-nc-nd/2.5/ar/
QUIROGA, Agustin Antonio • VINZON STHELE, Eric Alan David
Creative Commons / Atribución- No Comercial
dc.format.none.fl_str_mv 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_ 1880396311596892160
score 13.334379