Metodología semi-automática para la clasificación de aves basada en características morfológicas

Abstract

En esta investigación se utilizó una metodología semi-automática para la clasificación de imágenes de aves a través de algoritmos metaheurísticos, especificamente Algoritmos Genéticos bajo dos tipos de codificación: binaria y real, haciendo una comparación de su rendimiento para determ inar cuál de las dos proporciona el modelo más eficiente. Las imágenes fueron extraídas de dos repositorios públicos, CONABIO (Comisión Nacional para el Conocimiento y Uso de la Biodiversidad) y Flickr obteniendo un total de 228 imágenes. En los resultados se obtiene que no hay diferencia significativa entre ambas codificaciones, las gráficas de convergencia indican que ambas codificaciones cumplen con el objetivo de minimizar el error de clasificación, finalmente, se analizaron los métodos y parám etros dados por los modelos del mejor error, el peor error, el próximo a la media y mediana, estos tres últimos casos se muestra que los métodos generados por el algoritmo no varían mucho entre las dos codificaciones, aunque si sus parám etros, en cambio en el mejor error hay variación en ambas codificaciones. En conclusión, la codificación binaria tiene el mejor desempeño al minimizar el error, así como en tiem po de ejecución, se logró hacer en ambas codificaciones la selección de los métodos más óptimos, y la calidad en ambas codificaciones proporcionaron resultados favorables sobre la selección de la cabeza del ave, aunque visualmente la codificación real es la que más se ajusta a este tipo de problemas.