Aplicación Adaline: Detección Enfermedades Aceitunas
La presente aplicación se baso del trabajo: http://seccperu.org/?q=node/372 , el cual consiste en determinar la enfermedad “Fish Eye” en aceitunas. Para lo cuál empleaban los siguientes pasos:
1. Binarizar la imagen
2. Aplicar un detector de bordes
3. Extraer las aceitunas en la imagen
4. Para cada aceituna calcular el porcentaje de infección=Área Infectada/Área Aceituna.
El área infectada es determinada por la cantidad de píxeles que contiene el detector de bordes en el interior de la aceituna.
Dado el porcentaje de infección este nos ayudara a clasificar la aceituna en uno de los siguientes clases: Infectada, a supervisión humana y sana.
En el presente trabajo dado que la red adaline solo permite clasificar en 2 clases, tendremos como entradas de patrones los respectivos porcentajes de aceitunas y como patrones de Salida un 1: aceituna sana y -1: aceituna infectada.
Al entrenar a la red el error Global queda en 3.056 y clasifica los nuevos porcentajes de infección de una manera correcta.
PERCEPTRON EN SU FORMA DUAL
En este caso la función de decisión va estar dada por:
Y la regla de actualización puede ser escrita de la siguiente forma:
A continuación se muestra el algoritmo (donde a es el alfa):
- Responder Cuales son los valores de alfa b y k para el perceptron en su forma dual (usar la funcion AND).
DUAL AND
Factor de Aprendizaje: 0.15
• Matriz de Alfas:
alfa [0]=2.0
alfa [1]=2.0
alfa [2]=1.0
alfa [3]=0.0
• Valor de b: -2.0000000000000004
• Valor de k: 5
• Numero de Iteraciones: 3
Factor de Aprendizaje: 0.2
• Matriz de Alfas:
alfa [0]=2.0
alfa [1]=2.0
alfa [2]=1.0
alfa [3]=0.0
• Valor de b: -2.0000000000000004
• Valor de k: 5
• Numero de Iteraciones: 3
Factor de Aprendizaje: 0.25
• Matriz de Alfas:
alfa [0]=2.0
alfa [1]=2.0
alfa [2]=1.0
alfa [3]=0.0
• Valor de b: -2.0000000000000004
• Valor de k: 5
• Numero de Iteraciones: 3
A continuación una visualización de como se entrenó,
y luego como predijo para cada patron de entrada:
1 comment:
¡Qué interesante aplicación de Adaline! Me encantó cómo combinaron procesamiento de imágenes con redes neuronales para clasificar aceitunas — ¡innovación agrícola al siguiente nivel! El uso del perceptrón en forma dual con resultados tan precisos demuestra que el aprendizaje supervisado tiene muchísimo potencial incluso en industrias tradicionales.
Post a Comment