Intel·ligència artificial a l'Edge: menjador d’ocells intel·ligent

Abstract

Aquest treball de fi de màster es centra en el desenvolupament d'un sistema autònom de reconeixement d'espècies d'aus, emprant tecnologies avançades com la visió per computador i l’Edge Computing. L'objectiu principal és dissenyar un dispositiu capaç d'identificar aus en una menjadora i dispensar aliment de manera selectiva, operant sense necessitat de connexió a internet. Per assolir aquests objectius, es fa una revisió exhaustiva de la literatura sobre tècniques d'aprenentatge automàtic i visió per computador, amb un enfocament particular en mètodes eficaços i portables a terme amb coneixements bàsics de programació i xarxes neuronals per a la classificació d’imatges. Es recopila una base de dades pròpia d'imatges d'aus, que s’utilitza per reentrenar un model de xarxa neuronal convolucional preentrenat des de Python, utilitzant la llibreria TensorFlow i la seva API Keras. A més, s’avaluen diversos models de classificació mitjançant tècniques estadístiques, seleccionant el més adequat en termes de precisió i eficiència. El model final es desplega en un dispositiu d'Edge Computing, específicament un Jetson Nano, optimitzant el sistema per permetre la identificació en temps real amb una càmera i tot un disseny hardware específic per a l’aplicació. Les proves realitzades en diverses condicions d'il·luminació i clima confirmen la robustesa i l'eficàcia del sistema. Els resultats obtinguts no només compleixen els objectius inicials sinó que també obren la porta a futures millores, com l'ampliació del sistema per incloure més espècies i la integració d'algorismes de processament més avançats.