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
.jpg)
- Institución
- Universidad Tecnológica Nacional
- OAI Identificador
- oai:ria.utn.edu.ar:20.500.12272/13777
Ver los metadatos del registro completo
| 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 |