Clasificación de artículos científicos relacionados a la agricultura de precisión con imágenes de UAV por medio de técnicas de aprendizaje profundo

Abstract

La revisión literaria consiste en encontrar trabajos similares al que se desea elaborar y discriminar si pueden ser de utilidad. Esta tarea puede tornarse lenta y tediosa, debido a que suele ser manual y extensa. Este proyecto tiene como fin, automatizar este proceso mediantelaclasificacióndeartículoscientíficosrelacionadosalaagriculturadeprecisión conimágenesUAV,entresnivelesderelevancia:alto,medioynulo;medianteunmodelo clasificador de aprendizaje profundo. La solución planteada contó de cuatro módulos: la adquisición de los datos para el entrenamiento del modelo como primer módulo, en la cual el etiquetado de la data se dio de forma manual y sintética con una métrica Ad hoc; el segundo módulo se refiere a la minería de metadata para el cálculo de esta métrica; el tercer módulo detalla la representación del texto realizada por el modelo preentrenado de FastText y el último módulo corresponde a la clasificación del texto en la que se implementó una CNN 1D. Estos módulos se integraron en un prototipo de aplicación web, con la finalidad de crear una herramienta en la que se pueda realizar la clasificación de los trabajos académicos y poder visualizar los resultados. El modelo clasificador llegó a tener un F1 score del 87% en pruebas con ejemplos inéditos, lo que concluye que, el modelo es capaz de realizar una preselección de alta fidelidad, optimizando el proceso de revisión literaria para el investigador sobre esta temática en particular.