Trabajo de grado - Pregrado
Lectura de medidores de energía por medio de sistemas de reconocimiento de caracteres con Machine learning - Redes neuronales (OCR)
Fecha
2020Registro en:
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
Autor
Salazar Ortiz, Iván Arturo
Institución
Resumen
Public service companies in the context of Latin America make their consumption reading for billing through collectors who are responsible for taking photographs and manually writing the consumption, then they require more personnel to verify the images taken in the field work, which which makes the billing process time consuming, inefficient and costly. The present research developed a solution for meter reading and thus optimize and automate these processes by means of low-cost technological tools with the use of artificial intelligence. In this sense, an application with the ability to quickly read power consumption devices was developed by means of deep learning techniques, specifically convolutional neural networks with the YOLO-V4 architecture. For this, in technical terms the three processes -specific objectives- the data was prepared for the training of the models, the training data was increased for better performance... Las empresas de servicios públicos en el contexto de Latinoamérica hacen su lectura de consumos para facturación a través de recolectores que se encargan de tomar fotografías y escribir manualmente el consumo, luego requieren de más personal para verificar las imágenes tomadas en el trabajo de campo, lo que hace demorado, ineficiente y costoso el proceso de facturación. La presente investigación desarrolló una solución para lecturas de contadores y así optimizar y automatizar estos procesos por medio de herramientas tecnológicas de bajo costo con el uso de la inteligencia artificial. En ese sentido, se desarrolló una aplicación con capacidad de lectura rápida de dispositivos de consumo de energía por medio de técnicas de deep learnig, específicamente redes neuronales convolucionales con la arquitectura de YOLO-V4. Para ello, en términos técnicos los tres procesos ?objetivos específicos- se prepararon los datos para el entrenamiento de los modelos, incrementaron los datos de entrenamiento para un mejor desempeño...