Clasificacion de peces usando IA

Esta es la presentacion de un proyecto pilito para usar IA basado en Keras corriendo sobre R, para demostrar su potencial para clasificar imagenes de pescados utilizando inteligencia artificial.
Este tranajo fue realizado como parte del convenio de desempeño entre CORFO e IFOP.

Transcript

1. Presentación Convenio de desempeño suscrito CORFO - IFOP META 1.1. Identificar y probar la clasificación ... Jorge F. Cornejo Donoso Jefe de Sede Talcahuano www.jorgecornejo.net Enrique Fernandez Vicente Magister (c) en Inteligencia Artificial efernav@gmail.com
2. Objetivos Meta 1.1: Identificar y probar en la clasificación de al menos un 80% de imágenes de organismos, la efectividad de un sistema de inteligencia artificial, para su identificación y clasificación en un sistema de registro automático pesquero de especies de fauna acompañante y de especies objetivo de la pesquería que modernice la gestión de muestreo y toma de datos para los estudios de seguimiento de pesquerías. Específicos 1. Identificación del sistema de Inteligencia Artificial a usar 2. Compilación de imágenes de organismos de diferentes especies presentes en las pesquerías de la zona centro-sur de Chile 3. Desarrollo de una base de datos de imágenes para el entrenamiento del sistema de IA 4. Clasificación automática (usando IA) por especie de las imágenes de peces presentes en las principales pesquerías de la zona centro-sur de Chile
3. Objetivo Específico 1: Identificación del sistema de Inteligencia Artificial a usar Software: Keras es una biblioteca de Redes Neuronales de Código Abierto escrita en Python. Es capaz de ejecutarse sobre TensorFlow, Microsoft Cognitive Toolkit o Theano. Está especialmente diseñada para posibilitar la experimentación en más o menos poco tiempo con redes de Aprendizaje Profundo El sistema de IA se implementó sobre R, utilizando R-Studio, que permite una comunicación fluida con Keras y que tiene un lenguaje simple, ampliamente utilizado por la comunidad científica y con una comunidad de apoyo.
4. Objetivo Específico 1: Identificación del sistema de Inteligencia Artificial a usar
5. Objetivo Específico 2: Compilación de imágenes de organismos de diferentes especies presentes en las pesquerías de la zona centro-sur de Chile
8. Objetivo Específico 2: Compilación de imágenes de organismos de diferentes especies presentes en las pesquerías de la zona centro-sur de Chile 1. Compilamos un total de 2.613 fotografías 2. 34 especies 3. Seleccionamos las 4 especies más comunes a. Engraulis ringens - Anchoveta -> 147 b. Meluccius gayi gayi - Merluza -> 569 c. Strangomera bentincki - Sardina -> 293 d. Trachurus murphyi - Jurel -> 545
9. Objetivo Específico 3: Desarrollo de una base de datos de imágenes para el entrenamiento del sistema de IA Se coordino el trabajo remoto con 3 profesionales de IFOP: - Judith Castillo - Aldo Poblete - Guillermo Bendel
10. Objetivo Específico 3: Desarrollo de una base de datos de imágenes para el entrenamiento del sistema de IA
11. Objetivo Específico 3: Desarrollo de una base de datos de imágenes para el entrenamiento del sistema de IA
12. Objetivo Específico 3: Desarrollo de una base de datos de imágenes para el entrenamiento del sistema de IA Ejemplo del trabajo de edición de las fotografías de peces para la construcción de la base de datos de entrenamiento. A la izquierda imagen tomada en terreno, a la derecha imagen editada donde solo se deja el organismo a clasificar
13. Objetivo Específico 3: Desarrollo de una base de datos de imágenes para el entrenamiento del sistema de IA - Las imágenes tienen diferentes tamaños y rotación - Para mejorar el éxito del entrenamiento se unifico el tamaño y la rotación de la imagen
14. Objetivo Específico 3: Desarrollo de una base de datos de imágenes para el entrenamiento del sistema de IA Para homogeneizar las imágenes, se utilizó la librería imager en R para su procesamiento.
15. Objetivo Específico 3: Desarrollo de una base de datos de imágenes para el entrenamiento del sistema de IA Todas las imágenes de la especies se rotaron para estar en orientación vertical u horizontal con su eje menor de un tamaño de 500 pixels y manteniendo la relación de aspecto.
16. Objetivo Específico 3: Desarrollo de una base de datos de imágenes para el entrenamiento del sistema de IA Finalmente se eliminaron las imágenes incompletas, con organismos dañados o de muy baja calidad.
18. Objetivo Específico 4: Clasificación automática (usando IA) por especie de las imágenes de peces presentes en las principales pesquerías de la zona centro-sur de Chile
19. Objetivo Específico 4: Clasificación automática (usando IA) por especie de las imágenes de peces presentes en las principales pesquerías de la zona centro-sur de Chile
20. Objetivo Específico 4: Clasificación automática (usando IA) por especie de las imágenes de peces presentes en las principales pesquerías de la zona centro-sur de Chile
21. Objetivo Específico 4 (3??): Clasificación automática (usando IA) por especie de las imágenes de peces presentes en las principales pesquerías de la zona centro-sur de Chile Para mejorar el funcionamiento del modelo, se usa “Data augmentation”, genera imágenes utilizando como base las otras - De una imagen puede sacar varias dependiendo de las opciones - Zoom - Gira - etc Se aplicó “Drop Out” (eliminación aleatoria de imágenes) para evitar el sobre-ajuste
22. Objetivo Específico 4: Data Augmentation
23. Resultados Se cumple el objetivo. Epoca 95:100 valor de precisión de 79.69 ~ 80% de las imágenes
25. Conclusiones 1. Se logra el objetivo de validar el modelo con un 80% de acierto para 3 especies (merluza, anchoveta y jurel) 2. Faltan imagenes para mejorar el entrenamiento 3. Faltan imágenes para mejorar la validación 4. Hay que mejorar la calidad de las imágenes que se van a clasificar 5. Se necesitan MUCHA más HH/M 6. Se debe comprar un computador con mucha capacidad gráfica para aprovechar la GPU y disminuir los tiempos de entrenamiento 7. Para ir a producción se debería usar un servicio como AWS para este proceso
26. Objetivo a largo plazo Utilidad para IFOP: Trabajar en conjunto con SERNAPESCA para acceder a sus imágenes y clasificarla en forma automática Combinar esta experiencia con el potencial trabajo con Drones que se realizará a futuro Como Difusión: Desarrollar una plataforma que permita subir imágenes y que estas sean clasificadas en forma automática (Shiny)
27. Ejemplo Shiny