Reconocimiento de audios de aves del Bosque Protector La Prosperina utilizando técnicas de aprendizaje profundo

Rodríguez Motato, Tyrone Eduardo; Guilindro Garcés, Adriana Brigitte

DSpace Home
→
Unidades Académicas
→
Facultad de Ingeniería en Electricidad y Computación
→
Tesis de Computación
→
View Item

dc.contributor.advisor	Realpe Robalino, Miguel Andres , Director
dc.contributor.author	Rodríguez Motato, Tyrone Eduardo
dc.contributor.author	Guilindro Garcés, Adriana Brigitte
dc.creator	ESPOL.FIEC
dc.date.accessioned	2024-03-01T15:49:01Z
dc.date.available	2024-03-01T15:49:01Z
dc.date.issued	2023
dc.identifier.citation	Rodríguez Motato, T. E. y Guilindro Garcés, A. B. (2023). Reconocimiento de audios de aves del Bosque Protector La Prosperina utilizando técnicas de aprendizaje profundo. [Proyecto Integrador]. ESPOL.FIEC .
dc.identifier.uri	http://www.dspace.espol.edu.ec/handle/123456789/60599
dc.description	Este proyecto se centra en desarrollar un sistema innovador para la conservación y comprensión de la biodiversidad aviar en el ecosistema del Bosque Protector "La Prosperina" en Ecuador. Implementa técnicas avanzadas de aprendizaje profundo, específicamente utilizando un enfoque de auto decodificadores variables (VAEs) y Agrupamiento. Se aplican técnicas de preprocesamiento, como la separación de señales de ruido, y se diseñan modelos basados en auto decodificadores variables variacionales para extraer características significativas de los espectrogramas de Mel. El modelo entrenado demuestra habilidades excepcionales para identificar especies de aves amenazadas, con resultados positivos en las métricas de evaluación y altas tasas de precisión. Además de beneficiar a los conservacionistas al proporcionar herramientas efectivas y económicamente viables para el monitoreo de especies y comportamientos aviares, el proyecto tiene aplicaciones más amplias, incluida la conciencia ambiental y educación. Palabras claves: Reconocimiento de aves, Aprendizaje profundo, Bosque Protector "La Prosperina", VAEs, Clustering
dc.format	application/pdf
dc.format.extent	55 página
dc.language.iso	spa
dc.publisher	ESPOL.FIEC
dc.rights	openAccess
dc.subject	Reconocimiento de aves
dc.subject	Aprendizaje profundo
dc.subject	Bosque Protector "La Prosperina"
dc.subject	Clustering
dc.title	Reconocimiento de audios de aves del Bosque Protector La Prosperina utilizando técnicas de aprendizaje profundo
dc.type	Ingeniero en Ciencias de la Computación
dc.identifier.codigoespol	T-114100
dc.description.city	Guayaquil
dc.description.degree	Escuela Superior Politécnica del Litoral
dc.identifier.codigoproyectointegrador	TECH-337
dc.description.abstractenglish	This project focuses on developing an innovative system for the conservation and understanding of avian biodiversity in the ecosystem of the "La Prosperina" Protective Forest in Ecuador. It implements advanced deep learning techniques, specifically utilizing a variational autoencoder and clustering approach. Preprocessing techniques, such as noise signal separation, are applied, and variational autoencoder models are designed to extract meaningful features from Mel spectrograms. The trained model demonstrates exceptional abilities to identify threatened bird species, with positive results in the evaluation metrics and high accuracy rates. In addition to benefiting conservationists by providing effective and economically viable tools for monitoring bird species and behaviors, the project has broader applications, including environmental awareness and education. Keywords: Birds Species identification, Deep Learning, La Prosperina Protective Forest, VAEs, Clustering