Scorpion Detection and Classification Systems Based on Computer Vision as a Prevention Tool

Autores
Giambelluca, Francisco Luis; Osio, Jorge Rafael; Giambelluca, Luis; Cappelletti, Marcelo
Año de publicación
2022
Idioma
inglés
Tipo de recurso
artículo
Estado
versión publicada
Descripción
In this paper, automatic and real-time systems were developed to detect and classify two different genera of scorpions using computer vision and deep learning techniques, with the purpose of providing a prevention tool. The images of scorpions were obtained from an arachnology laboratory in Argentina. YOLO (you only look once) and MobileNet models were implemented. The data augmentation technique was applied to significantly increase the amount of training data. High accuracy and recall values have been achieved for both models, which guarantees that they can early and successfully detect scorpions. In addition, the MobileNet model has shown to have excellent performance to detect scorpions within an uncontrolled environment, to carry out multiple detections, and to recognize their danger in case of accidents. Finally, a comparison has been made with other different machine learning-based models used to identify scorpions.
Fil: Giambelluca, Francisco Luis. Universidad Nacional de La Plata. Facultad de Ingeniería. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales; Argentina.
Fil: Giambelluca, Francisco Luis. Consejo Nacional de Investigaciones Científicas y Técnicas. Facultad de Ingeniería. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales; Argentina.
Fil: Osio, Jorge Rafael. Universidad Nacional de La Plata. Facultad de Ingeniería. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales; Argentina.
Fil: Osio, Jorge Rafael. Consejo Nacional de Investigaciones Científicas y Técnicas. Facultad de Ingeniería. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales; Argentina.
Fil: Osio, Jorge Rafael. Universidad Nacional Arturo Jauretche. Programa Tecnologías de la información y la comunicación (TICs) en aplicaciones de interés social; Argentina.
Fil: Giambelluca, Luis. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Estudios Parasitológicos y de Vectores; Argentina.
Fil: Giambelluca, Luis. Universidad Nacional de La Plata. Centro de Estudios Parasitológicos y de Vectores; Argentina.
Fil: Giambelluca, Luis. Comisión de Investigación Científica de la Provincia de Buenos Aires. Centro de Estudios Parasitológicos y de Vectores; Argentina.
Fil: Cappelletti, Marcelo. Universidad Nacional de La Plata. Facultad de Ingeniería. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales; Argentina.
Fil: Cappelletti, Marcelo. Consejo Nacional de Investigaciones Científicas y Técnicas. Facultad de Ingeniería. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales; Argentina.
Fil: Cappelletti, Marcelo. Universidad Nacional Arturo Jauretche. Programa Tecnologías de la información y la comunicación (TICs) en aplicaciones de interés social; Argentina.
Materia
Augmentation
Automatic System
Classification
Confusion Matrix
Deep Learning
Detection
MobileNet
Prevention Tool
Real-Time System
Scorpions
YOLO
Nivel de accesibilidad
acceso abierto
Condiciones de uso
info:ar-repo/semantics/accesoabierto
Repositorio
Repositorio Institucional Digital de Acceso Abierto
Institución
Universidad Nacional Arturo Jauretche
OAI Identificador
oai:rid.unaj.edu.ar:123456789/3639
Acceder
id RIDUNAJ_1eb10c8b9120de3a43e758db8df669d6
oai_identifier_str oai:rid.unaj.edu.ar:123456789/3639
network_acronym_str RIDUNAJ
repository_id_str
network_name_str Repositorio Institucional Digital de Acceso Abierto
spelling Scorpion Detection and Classification Systems Based on Computer Vision as a Prevention ToolGiambelluca, Francisco LuisOsio, Jorge RafaelGiambelluca, LuisCappelletti, MarceloAugmentationAutomatic SystemClassificationConfusion MatrixDeep LearningDetectionMobileNetPrevention ToolReal-Time SystemScorpionsYOLOIn this paper, automatic and real-time systems were developed to detect and classify two different genera of scorpions using computer vision and deep learning techniques, with the purpose of providing a prevention tool. The images of scorpions were obtained from an arachnology laboratory in Argentina. YOLO (you only look once) and MobileNet models were implemented. The data augmentation technique was applied to significantly increase the amount of training data. High accuracy and recall values have been achieved for both models, which guarantees that they can early and successfully detect scorpions. In addition, the MobileNet model has shown to have excellent performance to detect scorpions within an uncontrolled environment, to carry out multiple detections, and to recognize their danger in case of accidents. Finally, a comparison has been made with other different machine learning-based models used to identify scorpions.Fil: Giambelluca, Francisco Luis. Universidad Nacional de La Plata. Facultad de Ingeniería. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales; Argentina.Fil: Giambelluca, Francisco Luis. Consejo Nacional de Investigaciones Científicas y Técnicas. Facultad de Ingeniería. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales; Argentina.Fil: Osio, Jorge Rafael. Universidad Nacional de La Plata. Facultad de Ingeniería. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales; Argentina.Fil: Osio, Jorge Rafael. Consejo Nacional de Investigaciones Científicas y Técnicas. Facultad de Ingeniería. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales; Argentina.Fil: Osio, Jorge Rafael. Universidad Nacional Arturo Jauretche. Programa Tecnologías de la información y la comunicación (TICs) en aplicaciones de interés social; Argentina.Fil: Giambelluca, Luis. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Estudios Parasitológicos y de Vectores; Argentina.Fil: Giambelluca, Luis. Universidad Nacional de La Plata. Centro de Estudios Parasitológicos y de Vectores; Argentina.Fil: Giambelluca, Luis. Comisión de Investigación Científica de la Provincia de Buenos Aires. Centro de Estudios Parasitológicos y de Vectores; Argentina.Fil: Cappelletti, Marcelo. Universidad Nacional de La Plata. Facultad de Ingeniería. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales; Argentina.Fil: Cappelletti, Marcelo. Consejo Nacional de Investigaciones Científicas y Técnicas. Facultad de Ingeniería. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales; Argentina.Fil: Cappelletti, Marcelo. Universidad Nacional Arturo Jauretche. Programa Tecnologías de la información y la comunicación (TICs) en aplicaciones de interés social; Argentina.2022info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfhttps://rid.unaj.edu.ar/handle/123456789/3639engInternational Journal of Computer Vision and Image Processing, 12(1)info:eu-repo/semantics/altIdentifier/doi/10.4018/IJCVIP.301605info:eu-repo/semantics/altIdentifier/eissn/2155-6989info:eu-repo/semantics/altIdentifier/url/doi.org/10.4018/IJCVIP.301605info:eu-repo/semantics/openAccessinfo:ar-repo/semantics/accesoabiertohttps://creativecommons.org/licenses/by-nc-sa/4.0/reponame:Repositorio Institucional Digital de Acceso Abiertoinstname:Universidad Nacional Arturo Jauretche2026-10-01T12:52:06Zoai:rid.unaj.edu.ar:123456789/3639instacron:UNAJInstitucionalhttps://rid.unaj.edu.ar/homeUniversidad públicahttps://www.unaj.edu.ar/https://rid.unaj.edu.ar/server/oai/snrdrepositorio@unaj.edu.arArgentinaopendoar:2026-10-01 12:52:07.731Repositorio Institucional Digital de Acceso Abierto - Universidad Nacional Arturo Jauretchefalse
dc.title.none.fl_str_mv Scorpion Detection and Classification Systems Based on Computer Vision as a Prevention Tool
title Scorpion Detection and Classification Systems Based on Computer Vision as a Prevention Tool
spellingShingle Scorpion Detection and Classification Systems Based on Computer Vision as a Prevention Tool
Giambelluca, Francisco Luis
Augmentation
Automatic System
Classification
Confusion Matrix
Deep Learning
Detection
MobileNet
Prevention Tool
Real-Time System
Scorpions
YOLO
title_short Scorpion Detection and Classification Systems Based on Computer Vision as a Prevention Tool
title_full Scorpion Detection and Classification Systems Based on Computer Vision as a Prevention Tool
title_fullStr Scorpion Detection and Classification Systems Based on Computer Vision as a Prevention Tool
title_full_unstemmed Scorpion Detection and Classification Systems Based on Computer Vision as a Prevention Tool
title_sort Scorpion Detection and Classification Systems Based on Computer Vision as a Prevention Tool
dc.creator.none.fl_str_mv Giambelluca, Francisco Luis
Osio, Jorge Rafael
Giambelluca, Luis
Cappelletti, Marcelo
author Giambelluca, Francisco Luis
author_facet Giambelluca, Francisco Luis
Osio, Jorge Rafael
Giambelluca, Luis
Cappelletti, Marcelo
author_role author
author2 Osio, Jorge Rafael
Giambelluca, Luis
Cappelletti, Marcelo
author2_role author
author
author
dc.subject.none.fl_str_mv Augmentation
Automatic System
Classification
Confusion Matrix
Deep Learning
Detection
MobileNet
Prevention Tool
Real-Time System
Scorpions
YOLO
topic Augmentation
Automatic System
Classification
Confusion Matrix
Deep Learning
Detection
MobileNet
Prevention Tool
Real-Time System
Scorpions
YOLO
dc.description.none.fl_txt_mv In this paper, automatic and real-time systems were developed to detect and classify two different genera of scorpions using computer vision and deep learning techniques, with the purpose of providing a prevention tool. The images of scorpions were obtained from an arachnology laboratory in Argentina. YOLO (you only look once) and MobileNet models were implemented. The data augmentation technique was applied to significantly increase the amount of training data. High accuracy and recall values have been achieved for both models, which guarantees that they can early and successfully detect scorpions. In addition, the MobileNet model has shown to have excellent performance to detect scorpions within an uncontrolled environment, to carry out multiple detections, and to recognize their danger in case of accidents. Finally, a comparison has been made with other different machine learning-based models used to identify scorpions.
Fil: Giambelluca, Francisco Luis. Universidad Nacional de La Plata. Facultad de Ingeniería. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales; Argentina.
Fil: Giambelluca, Francisco Luis. Consejo Nacional de Investigaciones Científicas y Técnicas. Facultad de Ingeniería. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales; Argentina.
Fil: Osio, Jorge Rafael. Universidad Nacional de La Plata. Facultad de Ingeniería. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales; Argentina.
Fil: Osio, Jorge Rafael. Consejo Nacional de Investigaciones Científicas y Técnicas. Facultad de Ingeniería. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales; Argentina.
Fil: Osio, Jorge Rafael. Universidad Nacional Arturo Jauretche. Programa Tecnologías de la información y la comunicación (TICs) en aplicaciones de interés social; Argentina.
Fil: Giambelluca, Luis. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Estudios Parasitológicos y de Vectores; Argentina.
Fil: Giambelluca, Luis. Universidad Nacional de La Plata. Centro de Estudios Parasitológicos y de Vectores; Argentina.
Fil: Giambelluca, Luis. Comisión de Investigación Científica de la Provincia de Buenos Aires. Centro de Estudios Parasitológicos y de Vectores; Argentina.
Fil: Cappelletti, Marcelo. Universidad Nacional de La Plata. Facultad de Ingeniería. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales; Argentina.
Fil: Cappelletti, Marcelo. Consejo Nacional de Investigaciones Científicas y Técnicas. Facultad de Ingeniería. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales; Argentina.
Fil: Cappelletti, Marcelo. Universidad Nacional Arturo Jauretche. Programa Tecnologías de la información y la comunicación (TICs) en aplicaciones de interés social; Argentina.
description In this paper, automatic and real-time systems were developed to detect and classify two different genera of scorpions using computer vision and deep learning techniques, with the purpose of providing a prevention tool. The images of scorpions were obtained from an arachnology laboratory in Argentina. YOLO (you only look once) and MobileNet models were implemented. The data augmentation technique was applied to significantly increase the amount of training data. High accuracy and recall values have been achieved for both models, which guarantees that they can early and successfully detect scorpions. In addition, the MobileNet model has shown to have excellent performance to detect scorpions within an uncontrolled environment, to carry out multiple detections, and to recognize their danger in case of accidents. Finally, a comparison has been made with other different machine learning-based models used to identify scorpions.
publishDate 2022
dc.date.none.fl_str_mv 2022
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv https://rid.unaj.edu.ar/handle/123456789/3639
url https://rid.unaj.edu.ar/handle/123456789/3639
dc.language.none.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv International Journal of Computer Vision and Image Processing, 12(1)
info:eu-repo/semantics/altIdentifier/doi/10.4018/IJCVIP.301605
info:eu-repo/semantics/altIdentifier/eissn/2155-6989
info:eu-repo/semantics/altIdentifier/url/doi.org/10.4018/IJCVIP.301605
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
info:ar-repo/semantics/accesoabierto
https://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv info:ar-repo/semantics/accesoabierto
https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Institucional Digital de Acceso Abierto
instname:Universidad Nacional Arturo Jauretche
reponame_str Repositorio Institucional Digital de Acceso Abierto
collection Repositorio Institucional Digital de Acceso Abierto
instname_str Universidad Nacional Arturo Jauretche
repository.name.fl_str_mv Repositorio Institucional Digital de Acceso Abierto - Universidad Nacional Arturo Jauretche
repository.mail.fl_str_mv repositorio@unaj.edu.ar
_version_ 1877866020093296640
score 12.517035

Publicaciones similares