2026-05-05T18:36:16Zhttps://uvadoc.uva.es/oai/requestoai:uvadoc.uva.es:10324/630892025-02-21T08:11:16Zcom_10324_38col_10324_852
Bahillo Martínez, Alfonso
Laustalet Fernández, Mario
Universidad de Valladolid. Escuela Técnica Superior de Ingenieros de Telecomunicación
2023-11-20T07:43:14Z
2023-11-20T07:43:14Z
2023
https://uvadoc.uva.es/handle/10324/63089
En este Trabajo de Fin de Grado (TFG), se busca desarrollar un modelo
de inteligencia artificial que permita realizar una detección de
productos en un frigorífico utilizando imágenes enviadas por un sistema
IoT cada vez que se abre el frigorífico. Este proyecto se centra en
la transformación de un frigorífico convencional en uno inteligente,
haciéndolo económicamente asequible. Si bien tiene múltiples aplicaciones,
una de sus principales funciones es el seguimiento de los
hábitos alimenticios. El proyecto comenzó realizando reconocimiento
de imágenes mediante ResNet50, con una amplia base de datos de
imágenes de alimentos. Sin embargo, este enfoque se encontró con
limitaciones, ya que solo podía reconocer un alimento por imagen.
Para superar esta limitación, se realizó detección de objetos mediante
YOLO (You Only Look Once). Se creó una nueva base de datos de
imágenes de alimentos, que se etiquetaron a través de la herramienta
en línea makesense.ai. Este conjunto de datos etiquetados se utilizaron
para entrenar el algoritmo de detección de objetos YOLO. Los
resultados muestran que el nuevo algoritmo es capaz de detectar múltiples
alimentos en una imagen, lo que mejora significativamente su
utilidad y aplicabilidad en comparación con el enfoque inicial. Esta
investigación muestra el potencial que tiene la inteligencia artificial y
el IoT para contribuir a la salud y el bienestar en la vida diaria.
In this Bachelor’s Final Project, the goal is to develop an an artificial
intelligence model that allows for the detection of products inside
a refrigerator using images sent by an IoT system every time the
refrigerator is opened. This project focuses on transforming a conventional
refrigerator into a smart one, making it economically viable.
Although it has multiple applications, one of its primary functions
is monitoring eating habits. The project started by performing image
recognition through ResNet50, with a comprehensive database of
food images. However, this approach encountered limitations, as it
could only recognize one food per image. To overcome this limitation,
object detection was performed using YOLO (You Only Look Once).
A new food image database was created, which was labeled through
the online tool makesense.ai. This labeled dataset was used to train
the YOLO object detection algorithm. The results show that the new
algorithm can detect multiple foods in an image, significantly enhancing
its utility and applicability compared to the initial approach. This
research demonstrates the potential of artificial intelligence and IoT in
contributing to health and well-being in everyday life.
Departamento de Teoría de la Señal y Comunicaciones e Ingeniería Telemática
Grado en Ingeniería de Tecnologías de Telecomunicación
application/pdf
spa
info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Inteligencia artificial
Reconocimiento de imágenes
Detección de objetos
Desarrollo de un modelo de inteligencia artificial para la detección automática de productos en un frigorífico
info:eu-repo/semantics/bachelorThesis