Beruflich Dokumente
Kultur Dokumente
INFORMATICA INDUSTRIAL
Tema: Reconocimiento de monedas para contar la cantidad de dinero que existe utilizando
redes neuronales mediante MATLAB y Raspberry Pi.
Nivel: Noveno
Fecha: 2017 / 07 / 14
Quito Ecuador
Contenido
Contenido .................................................................................................................................... 2
ndice de figuras ........................................................................ Error! Bookmark not defined.
1 OBJETIVOS ........................................................................................................................ 3
1.1 General .......................................................................................................................... 3
1.2 Especficos .................................................................................................................... 3
1.3 Problema a resolver ...................................................................................................... 4
CAPITULO I ............................................................................................................................... 4
1.4 Aplicaciones de las redes neuronales ............................................................................ 4
1.5 Raspberry Pi .................................................................................................................. 5
1.6 Raspberry Pi 2 Modelo B.............................................................................................. 6
1.7 Raspberry Pi Camera Module ....................................................................................... 6
1.8 Matlab ........................................................................................................................... 7
1.9 Neurona Network Toolbok ........................................................................................... 8
1.10 Perceptron.................................................................................................................. 9
1.11 Backpropagation...................................................................................................... 10
2 PROPUESTA DE SOLUCION ......................................................................................... 11
2.1 Propuesta ..................................................................................................................... 11
3 DISEO DESARROLLO E IMPLEMENTACION ......................................................... 11
4 PRUEBAS Y RESULTADOS .......................................................................................... 14
5 Conclusiones...................................................................................................................... 18
6 Bibliografa ........................................................................................................................ 19
2
1 OBJETIVOS
1.1 General
Implementar y disear redes neuronales usando el software MATLAB mediante una
Raspberry Pi para el reconocimiento y conteo de monedas.
1.2 Especficos
Analizar la operacin y funcionamiento de las redes neuronales en el proceso de
reconocimiento de monedas con visin artificial.
Implementar el algoritmo de programacin en Matlab y Raspberry Pi.
Calcular el valor de cada moneda y sumar los valores de las monedas.
3
1.3 Problema a resolver
CAPITULO I
ESTADO DEL ARTE
Las RNA (Redes Neuronales Artificiales) son bastante apropiadas para aplicaciones en
las que no se dispone un modelo identificable que pueda ser programado, pero se dispone de un
conjunto bsico de ejemplos de entrada. Estas son robustas tanto al ruido como a la disfuncin
de elementos concretos. Como por ejemplo problemas de clasificacin y reconocimiento de voz,
imgenes, etc. Tambin se han utilizado para encontrar patrones de fraude econmico, hacer
predicciones en el mercado financiero, de tiempo atmosfrico, etc.
Las tareas se aplican a las redes neuronales artificiales tienden a caer dentro de las
siguientes categoras generales:
4
Robtica , incluyendo manipuladores, que dirigen la prtesis .
Clasificacin , incluyendo el patrn y la secuencia de reconocimiento, deteccin
y de la toma de decisiones secuencial.
De control , incluyendo control numrico por ordenador .
1.5 Raspberry Pi
En cambio, el software s es open source, siendo su sistema operativo oficial una versin
adaptada de Debian, denominada Raspbian, aunque permite usar otros sistemas operativos,
incluido una versin de Windows 10. En todas sus versiones incluye un procesador Broadcom,
una memoria RAM, una GPU, puertos USB, HDMI, Ethernet, 40 pines GPIO y un conector
para cmara. Ninguna de sus ediciones incluye memoria, siendo esta en su primera versin una
tarjeta SD y en ediciones posteriores una tarjeta MicroSD.
Figura 1 Raspberry PI 2.
5
1.6 Raspberry Pi 2 Modelo B
Lanzada en 2014 es el primer modelo que no incluye el mismo procesador usado en los
tres anteriores: se sustituye por uno de la misma marca, pero de modelo BCM2836. Pasa de ser
de un ncleo a cuatro, y de 700MHz a 900MHz. No obstante, emplea la misma grfica, la
VideoCore IV. Dobla la cantidad de memoria RAM, pasando de 512MB a 1GB esta memoria
est compartida con la grfica. Tambin incluye 40 pines GPIO, y mantiene los cuatro puertos
USB. Suprime la conexin RCA.
El mdulo de cmara Raspberry Pi se puede utilizar para tomar vdeo de alta definicin,
as como fotografas de fotografas. La cmara se compone de una placa de circuito pequea
(25 mm por 20 mm por 9 mm), que se conecta al conector de bus serie CSI de la cmara de la
frambuesa Pi por medio de un cable plano flexible. El sensor de imagen de la cmara tiene una
resolucin nativa de cinco megapxeles y tiene una lente de enfoque fijo.
6
El software de la cmara admite imgenes fijas de resolucin completa de hasta 2592x1944 y
resoluciones de vdeo de 1080p30, 720p60 y 640x480p60 / 90.
Caractersticas
Sensor de 5MP
Imagen ms amplia, capaz de 2592x1944 imgenes fijas, video 1080p30
Video 1080p soportado
CSI
Tamao: 25 x 20 x 9 mm
1.8 MATLAB
8
Figura 5 Neural Network ToolBox.
1.10 Perceptron
El perceptrn dentro del campo de las redes neuronales tiene dos conceptualizaciones.
Puede referirse a un tipo de red neuronal artificial desarrollada por Frank Rosenblatt y, dentro
de esta teora emitida por Rosenblatt, tambin puede entenderse como la neurona artificial o
unidad bsica de inferencia en forma de discriminador lineal, a partir de lo cual se desarrolla un
algoritmo capaz de generar un criterio para seleccionar un sub-grupo a partir de un grupo de
componentes ms grande. La limitacin de este algoritmo es que, si dibujamos en un plot estos
elementos, se deben poder separar con un hiperplano nicamente los elementos "deseados"
discriminndolos (separndolos) de los "no deseados".
El perceptrn puede utilizarse con otros perceptrones u otro tipo de neurona artificial, para
formar redes neuronales ms complicadas.
9
Figura 6 Diagrama de un perceptrn con cinco seales de entrada.
1.11 Backpropagation
Las salidas de error se propagan hacia atrs, partiendo de la capa de salida, hacia todas las
neuronas de la capa oculta que contribuyen directamente a la salida. Sin embargo, las neuronas
de la capa oculta solo reciben una fraccin de la seal total del error, basndose
aproximadamente en la contribucin relativa que haya aportado cada neurona a la salida
original. Este proceso se repite, capa por capa, hasta que todas las neuronas de la red hayan
recibido una seal de error que describa su contribucin relativa al error total.
La importancia de este proceso consiste en que, a medida que se entrena la red, las neuronas de
las capas intermedias se organizan a s mismas de tal modo que las distintas neuronas aprenden
a reconocer distintas caractersticas del espacio total de entrada. Despus del entrenamiento,
cuando se les presente un patrn arbitrario de entrada que contenga ruido o que est incompleto,
las neuronas de la capa oculta de la red respondern con una salida activa si la nueva entrada
contiene un patrn que se asemeje a aquella caracterstica que las neuronas individuales hayan
aprendido a reconocer durante su entrenamiento.
10
Figura 7 Diagrama de un perceptrn con cinco seales de entrada.
2 PROPUESTA DE SOLUCION
2.1 Propuesta
El presente trabajo tiene la finalidad de utilizar una tarjeta Raspberry juntamente con el
software Matlab mediante redes neuronales, aplicando dicho concepto de un sistema de
aprendizaje para el reconocimiento de monedas. Adicional se realiz un escritorio remoto para
el control del proceso de la misma.
11
Descarga completa de Raspberry Whezzy
12
Proceso de actualizacin del firmware para el hardware de Raspberry Pi, seleccionar la
tarjeta con la cual se va a trabajar.
13
Seleccionar un dispositivo extrable para instalar el firmware.
4 PRUEBAS Y RESULTADOS
14
Proceso de verificacin de las monedas.
15
A continuacin, realizamos la programacin en cada funcin creada en la interface.
16
Anlisis de la fotografa.
17
Conteo del valor de moneda 1 dlar.
5 Conclusiones
18
6 Bibliografa
19