Este repositorio contiene el modelo de visión artificial desarrollado en YOLOv8 para la clasificación y detección de la icónica "Chinche Besucona". Este proyecto representa la primera versión de nuestro detector de visión artificial, destacando por su rendimiento impresionante en la mayoría de las métricas evaluadas.
Desempeño del Modelo Hemos desarrollado y evaluado 7 modelos en total. A continuación, se presentan las métricas del modelo más efectivo:
Precisión (P@B): 0.9606 Recall (R@B): 0.9041 mAP@50 (B): 0.9588 mAP@50-95 (B): 0.6539 Fitness: 0.6844 Este modelo logra un excelente balance entre precisión y recall, posicionándose como una solución confiable para la detección de "La Chinche Besucona".
Este proyecto fue realizado por un equipo interdisciplinario de apasionados por la inteligencia artificial:
- Chumba Poot Héctor Iván
- Lara Puc Manuel Armando
- Vallejos Aguilar Daniel Leonardo
- Alonzo Silveira Héctor José
- Coot Jiménez Ángel Fabián
- Cetina Romero Abigail
- Borges Borges Miguel Angel
- Espinosa Chim Alejandro Daniel
- Cumi Guzman Brian Azael
Arquitectura: Basada en YOLOv8, que ofrece capacidades avanzadas de detección de objetos en tiempo real. Flexibilidad: Compatible con múltiples configuraciones de hardware, ideal para despliegues locales o en la nube. Uso: Diseñado específicamente para detectar "La Chinche Besucona", un objeto único con patrones complejos. Facilidad de Uso: Incluye un pipeline claro para entrenar, evaluar y desplegar el modelo.
Clona este repositorio en tu máquina local: git clone https://github.com//chunche-besucona-detector.git cd chunche-besucona-detector
Instala las dependencias necesarias: pip install -r requirements.txt
mas informacion: https://github.com/ultralytics/ultralytics
Esta es la primera versión del modelo de detección para la Chinche Besucona. Actualmente, se están realizando esfuerzos para mejorar estos modelos y lograr un mejor desempeño en las métricas. Por lo tanto, este repositorio está sujeto a cambios y futuras actualizaciones.