Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejercicio Patrones
Ejercicio Patrones
SUPERIOR DE MISANTLA
INGENIERÍA EN SISTEMAS
COMPUTACIONALES
INTELIGENCIA ARTIFICIAL
EJERCICIO DE CLASE
P R E S E N T A
SERGIO IVÁN AQUINO GARCÍA
DOCENTE:
M.S.C.: MARIANA CAROLYN CRUZ MENDOZA
Se procede a revisar los archivos dentro de la carpeta, en cada archivo. El primer archivo es
una introducción a Google Colab. Figura 2.
En el archivo numero 2, se observa una imagen con cierto patrón que tiene, y se observa el
comando para reconocer el gpu proporcionado por Google Colab. Figura 3,
Figura 3. GPU utilizado.
Para poder realizar la practica se ha creado un nuevo archivo el cual consiste en una serie de
celdas de códigos.
Para comenzar se ejecuta el código que permitirá conectar Drive con Colab. Figura 4.
En la figura numero 5 se procede a importar las librerías para poder extraer los patrones de
una imagen.
Se procede a definir las rutas de donde se van a leer las imágenes, dado que se han
almacenado dentro del Google Drive, se tiene que dar esa ruta. Figura 6.
Figura 6. Definición de rutas de las imágenes a leer.
El siguiente paso es indexar cada una de las imágenes dentro de la ruta. Figura 7.
La siguiente sección (no. 7) consta de realizar una mascara para la imagen. Figura 10.
Se continua con un filtrado de las piezas las que contienen valores pequeños. Figura 12.
Figura 12. Filtrado de las piezas por área.
Se procede a encuadrar por un marco azul las diferentes piezas dentro de la imagen. Figura
13.
Habiendo marcado ya las piezas dentro de la imagen se proceden a guardar la imagen dentro
de la ruta designada. Figura 15.
También así mismo se guardan las imágenes con defectos para el entrenamiento. Figura 17.
Figura 17. Guardado de imágenes con defectos para entrenamiento.
Así de la misma manera, ahora se guardan las imágenes sin defectos para poder validarlas.
Figura 18.
Figura 18. Guardado de imágenes sin defectos para validación.
En la figura 19, se guardan las imágenes con defectos para validar.
Como se ha observado hasta este momento se han extraídos los patrones. Lo siguiente es
poder definir una red neuronal y poder darle un entrenamiento, validar y realizar una prueba
para así verificar el funcionamiento del ente.
Como primer paso se vuelve a establecer conexión con Google drive. Figura 21.
Ahora se importan las librerías utilizadas para la clasificación de patrones, tal como es
numpy, tensorflow, entre otras. Figura 22.
El siguiente paso es definir la red neuronal que se encargará de procesar dicha clasificación.
Figura 25
Figura 25. Definición de red neuronal.
La red anteriormente creada se procede a compilar. Para lo cual se tiene que hacer uso del
método compile. Figura 26.
Se procede a crear una función de paro, que permita frenar la clasificación de patrones al
momento que esta sobrepase el 99% del entrenamiento y la validación. Figura 27.
Se procede ahora a probar el desempeño del modelo para observar los valores de errores, la
exactitud y el tiempo del entrenamiento. Figura 30.