Palabras clave
conteo
objetos similares
Python
Cómo citar
Resumen
En los inventarios, el contexto del conteo de objetos y la rapidez de respuesta se vuelve esencial. Cuando se trata de pocos elementos resulta más sencillo el proceso, pero su complejidad radica cuando son muchos, están cercanos o superpuestos. Además, la presión por cumplir con plazos ajustados para realizar inventarios agrega otro desafío. El objetivo de este trabajo fue desarrollar un programa que automatice el conteo preciso de objetos similares en imágenes digitales, sin importar su cantidad o disposición. Para ello se ha implementado un algoritmo en Python. Los principales resultados muestran eficiencia para analizar imágenes con objetos similares, un paso significativo hacia la separación y el conteo preciso de objetos adyacentes en diversos campos científicos. Esta solución promete simplificar y agilizar el proceso de conteo en imágenes digitales, con potenciales aplicaciones beneficiosas en múltiples disciplinas científicas.
Citas
[2] P. Jasitha and P. N. Pournami, “Glomeruli Detection Using Faster R-CNN and CenterNet,” in 2023 3rd Asian Conference on Innovation in Technology, ASIANCON 2023, 2023. doi: 10.1109/ASIANCON58793.2023.10270511.
[3] A. Aharari, K. Kuwaduru, and F. Mehdipour, “Development of an Artificial Intelligence (AI) Based Visual Counting System for the Food Industry,” in 13th IEEE Symposium on Computer Applications and Industrial Electronics, ISCAIE 2023, 2023, pp. 136–139. doi: 10.1109/ISCAIE57739.2023.10165399.
[4] S. K. Aruna, N. Deepa, and T. Devi, “Underwater Fish Identification in Real-Time using Convolutional Neural Network,” in Proceedings of the 7th International Conference on Intelligent Computing and Control Systems, ICICCS 2023, 2023, pp. 586–591. doi: 10.1109/ICICCS56967.2023.10142531.
[5] E. Carboni et al., “A Workflow for the Performance of the Differential Ovarian Follicle Count Using Deep Neuronal Networks,” Toxicol Pathol, vol. 49, no. 4, pp. 843–850, 2021, doi: 10.1177/0192623320969130.
[6] K. M. Spoorthy, S. G. Hegde, N. Vijetha, M. S. Rudramurthy, T. G. Keerthan Kumar, and S. A. Sushma, “Performance analysis of bird counting techniques using digital photograph,” in Proceedings - 5th International Conference on Intelligent Computing and Control Systems, ICICCS 2021, 2021, pp. 1482–1491. doi: 10.1109/ICICCS51141.2021.9432265.
[7] T. De Cesaro Júnior and R. Rieder, “Automatic identification of insects from digital images: A survey,” Comput Electron Agric, vol. 178, 2020, doi: 10.1016/j.compag.2020.105784.
