Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - Efficiency Measurement Machine Artificial Vision Algorithms Imple-mented in Raspberry Pi and Personal Computer Using Python

Cavanzo Nisso, Gloria Andrea; Pérez Pereira, Miguel Ricardo; Villavisan Buitrago, Fabián

doi:10.21500/01247492.3218

Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - Efficiency Measurement Machine Artificial Vision Algorithms Imple-mented in Raspberry Pi and Personal Computer Using Python

Este artículo presenta la medición de tiempo de ejecución de los dos algoritmos de visión artificial más conocidos (algoritmo de seguimiento de color y algoritmo de substracción de fondo) en dos plataformas diferentes (Raspberry Pi 3 Vs PC) ambas con sistemas operativos basados en Linux, esto con el fin de determinar en cuál de las dos plataformas los algoritmos corren con mayor eficiencia, además determinar si migrar estos algoritmos a sistemas embebidos afecta su desempeño para sistemas en tiempo real. En este artículo se mostrará una explicación detallada de cada algoritmo como también explicación técnica de cada plataforma y una medición de tiempo de cada subsistema del algoritmo y al final una medición global del tiempo de ejecución de... Ver más

Guardado en:

Revista

Ingenium Revista de la facultad de ingeniería

ISSN

0124-7492

Autores

Cavanzo Nisso, Gloria Andrea

Pérez Pereira, Miguel Ricardo

Villavisan Buitrago, Fabián

Editor

UNIVERSIDAD DE SAN BUENAVENTURA

DOI

10.21500/01247492.3218

Volumen

Año de publicación

2017-07-25

Pagina inicial

105

Pagina final

119

Pais

Palabras claves

visión artificial - Artificial vision

Linux

embedded system

Licencia

Ingenium Revista de la facultad de ingeniería - 2017

info:eu-repo/semantics/openAccess

http://purl.org/coar/access_right/c_abf2

id	b9f40a45c58dbe666f64cb040223d274
record_format	ojs
spelling	Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - Efficiency Measurement Machine Artificial Vision Algorithms Imple-mented in Raspberry Pi and Personal Computer Using Python R. Neves, A. Matos. (-). Raspberry PI Based Stereo Vision For Small Size ASVs. Pp. 1-6. [2] A. Suryatali, V. B. Dharmadhikari. (2015). Computer Vision Based Vehicle Detection for Toll Collection System Using Embedded Linux. International Conference on Circuit, Power and Computing Technologies (ICCPCT), -, Pg: 1-7. [3] G. Cococrullo, P. Cornosello, F. Frustaci, L. Guacho, S.Perri. (-). Embedded Survillance System Using Background Subtraction and Raspberry PI. Department Of Electronics, Computer Sciences and Systems DIMES - University of Calabria, Pg: 1-5. [4] k, Milos; P., Jiri; Sánchez Reyes, Jazmín. Evaluation of Quality in Imaging Systems Based on Psychovisual Attributes.INGENIUM, [S.l.], v. 13, n. 26, p. 73-77, Jun. 2013. ISSN 0124 - 7492. Disponible en: <http://revistas.usbbog.edu.co/index.php/ingenium/article/view/375/292>. Fecha de acceso: 05 Sep. 2016 [5] Color Models: RGB, HSV, HSL. 28 de mayo de 2016, de - Sitio web: https://en.wikibooks.org/wiki/Color_Models:_RGB,_HSV,_HSL. [6] F. Horst. (22 March 2010). RGB Cube Show lowgamma cutout. Mayo 28 de 2016, de - Sitio web: https://commons.wikimedia.org/wiki/File:RGB_Cube_Show_lowgamma_cutout_b.png [7] L. Moreno. (-). Modelos de Color. 28 de mayo de 2016, de desarrollador web Sitio web: www.desarrolloweb.com/articulos/1483.php. [8] J. D. Gibson. (1999). Handbook of Image and Video Processing. Austin, Texas: al Bovik. [9] Kharar, Mohali, Punjab, (2011). “Morpholgical image processing”. India.Dept. of ECE, Doaba Institute of Engineering and Technology. [10] (11 de octubre de 2011). Seven grayscale conversion algorithms. 28 de mayo de 2016, de Tanner Helland (dot) com Sitio web: www.tannerhelland.com/3643/grayscale-image-algorithm-vb6/ [11] F. H. Martínez, F. Martínez, H. Montiel, «Identificación visual sobre sistema embebido para navegación robótica autónoma», Ingenium, vol. 15, n. º 29, pp. 71-84, mayo, 2014. [12] Recuperado de: www.pccomponentes.com/Raspberry_pi_3_modelo_b.html vista por última vez 28 mayo 2016 [13] Toshiba satélite. Recuperado de: www.notebookcheck.org/typo3temp/_processed_/csm_toshiba_satellite_l350_gesamtklein_ 1c605ee2d7.jpg [14] A. Marzal, I. Garcia. (2002). Introducción al análisis de algoritmos. pp: 1-7. Universidad San Buenaventura - USB (Colombia) Ingenium https://revistas.usb.edu.co/index.php/Ingenium/article/view/3218 Español https://creativecommons.org/licenses/by-nc-sa/4.0/ Ingenium Revista de la facultad de ingeniería - 2017 info:eu-repo/semantics/article Artículo de revista http://purl.org/coar/resource_type/c_6501 info:eu-repo/semantics/publishedVersion http://purl.org/coar/version/c_970fb48d4fbd8a85 info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 Text application/pdf Publication Núm. 35 , Año 2017 : INGENIUM efficiency Este artículo presenta la medición de tiempo de ejecución de los dos algoritmos de visión artificial más conocidos (algoritmo de seguimiento de color y algoritmo de substracción de fondo) en dos plataformas diferentes (Raspberry Pi 3 Vs PC) ambas con sistemas operativos basados en Linux, esto con el fin de determinar en cuál de las dos plataformas los algoritmos corren con mayor eficiencia, además determinar si migrar estos algoritmos a sistemas embebidos afecta su desempeño para sistemas en tiempo real. En este artículo se mostrará una explicación detallada de cada algoritmo como también explicación técnica de cada plataforma y una medición de tiempo de cada subsistema del algoritmo y al final una medición global del tiempo de ejecución de todos los algoritmos Cavanzo Nisso, Gloria Andrea Pérez Pereira, Miguel Ricardo Villavisan Buitrago, Fabián Eficiencia linux openCv python sistema embebido visión artificial - Artificial vision Linux embedded system 18 35 Journal article Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - Efficiency Measurement Machine Artificial Vision Algorithms Imple-mented in Raspberry Pi and Personal Computer Using Python https://doi.org/10.21500/01247492.3218 10.21500/01247492.3218 105 119 https://revistas.usb.edu.co/index.php/Ingenium/article/download/3218/2670 0124-7492 2017-07-25T00:00:00Z 2017-07-25T00:00:00Z 2017-07-25
institution	UNIVERSIDAD DE SAN BUENAVENTURA
thumbnail	https://nuevo.metarevistas.org/UNIVERSIDADDESANBUENAVENTURA_COLOMBIA/logo.png
country_str	Colombia
collection	Ingenium Revista de la facultad de ingeniería
title	Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - Efficiency Measurement Machine Artificial Vision Algorithms Imple-mented in Raspberry Pi and Personal Computer Using Python
spellingShingle	Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - Efficiency Measurement Machine Artificial Vision Algorithms Imple-mented in Raspberry Pi and Personal Computer Using Python Cavanzo Nisso, Gloria Andrea Pérez Pereira, Miguel Ricardo Villavisan Buitrago, Fabián efficiency Eficiencia linux openCv python sistema embebido visión artificial - Artificial vision Linux embedded system
title_short	Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - Efficiency Measurement Machine Artificial Vision Algorithms Imple-mented in Raspberry Pi and Personal Computer Using Python
title_full	Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - Efficiency Measurement Machine Artificial Vision Algorithms Imple-mented in Raspberry Pi and Personal Computer Using Python
title_fullStr	Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - Efficiency Measurement Machine Artificial Vision Algorithms Imple-mented in Raspberry Pi and Personal Computer Using Python
title_full_unstemmed	Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - Efficiency Measurement Machine Artificial Vision Algorithms Imple-mented in Raspberry Pi and Personal Computer Using Python
title_sort	medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - efficiency measurement machine artificial vision algorithms imple-mented in raspberry pi and personal computer using python
title_eng	Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - Efficiency Measurement Machine Artificial Vision Algorithms Imple-mented in Raspberry Pi and Personal Computer Using Python
description	Este artículo presenta la medición de tiempo de ejecución de los dos algoritmos de visión artificial más conocidos (algoritmo de seguimiento de color y algoritmo de substracción de fondo) en dos plataformas diferentes (Raspberry Pi 3 Vs PC) ambas con sistemas operativos basados en Linux, esto con el fin de determinar en cuál de las dos plataformas los algoritmos corren con mayor eficiencia, además determinar si migrar estos algoritmos a sistemas embebidos afecta su desempeño para sistemas en tiempo real. En este artículo se mostrará una explicación detallada de cada algoritmo como también explicación técnica de cada plataforma y una medición de tiempo de cada subsistema del algoritmo y al final una medición global del tiempo de ejecución de todos los algoritmos
author	Cavanzo Nisso, Gloria Andrea Pérez Pereira, Miguel Ricardo Villavisan Buitrago, Fabián
author_facet	Cavanzo Nisso, Gloria Andrea Pérez Pereira, Miguel Ricardo Villavisan Buitrago, Fabián
topicspa_str_mv	efficiency Eficiencia linux openCv python sistema embebido visión artificial - Artificial vision Linux embedded system
topic	efficiency Eficiencia linux openCv python sistema embebido visión artificial - Artificial vision Linux embedded system
topic_facet	efficiency Eficiencia linux openCv python sistema embebido visión artificial - Artificial vision Linux embedded system
citationvolume	18
citationissue	35
citationedition	Núm. 35 , Año 2017 : INGENIUM
publisher	Universidad San Buenaventura - USB (Colombia)
ispartofjournal	Ingenium
source	https://revistas.usb.edu.co/index.php/Ingenium/article/view/3218
language	Español
format	Article
rights	https://creativecommons.org/licenses/by-nc-sa/4.0/ Ingenium Revista de la facultad de ingeniería - 2017 info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2
references	R. Neves, A. Matos. (-). Raspberry PI Based Stereo Vision For Small Size ASVs. Pp. 1-6. [2] A. Suryatali, V. B. Dharmadhikari. (2015). Computer Vision Based Vehicle Detection for Toll Collection System Using Embedded Linux. International Conference on Circuit, Power and Computing Technologies (ICCPCT), -, Pg: 1-7. [3] G. Cococrullo, P. Cornosello, F. Frustaci, L. Guacho, S.Perri. (-). Embedded Survillance System Using Background Subtraction and Raspberry PI. Department Of Electronics, Computer Sciences and Systems DIMES - University of Calabria, Pg: 1-5. [4] k, Milos; P., Jiri; Sánchez Reyes, Jazmín. Evaluation of Quality in Imaging Systems Based on Psychovisual Attributes.INGENIUM, [S.l.], v. 13, n. 26, p. 73-77, Jun. 2013. ISSN 0124 - 7492. Disponible en: <http://revistas.usbbog.edu.co/index.php/ingenium/article/view/375/292>. Fecha de acceso: 05 Sep. 2016 [5] Color Models: RGB, HSV, HSL. 28 de mayo de 2016, de - Sitio web: https://en.wikibooks.org/wiki/Color_Models:_RGB,_HSV,_HSL. [6] F. Horst. (22 March 2010). RGB Cube Show lowgamma cutout. Mayo 28 de 2016, de - Sitio web: https://commons.wikimedia.org/wiki/File:RGB_Cube_Show_lowgamma_cutout_b.png [7] L. Moreno. (-). Modelos de Color. 28 de mayo de 2016, de desarrollador web Sitio web: www.desarrolloweb.com/articulos/1483.php. [8] J. D. Gibson. (1999). Handbook of Image and Video Processing. Austin, Texas: al Bovik. [9] Kharar, Mohali, Punjab, (2011). “Morpholgical image processing”. India.Dept. of ECE, Doaba Institute of Engineering and Technology. [10] (11 de octubre de 2011). Seven grayscale conversion algorithms. 28 de mayo de 2016, de Tanner Helland (dot) com Sitio web: www.tannerhelland.com/3643/grayscale-image-algorithm-vb6/ [11] F. H. Martínez, F. Martínez, H. Montiel, «Identificación visual sobre sistema embebido para navegación robótica autónoma», Ingenium, vol. 15, n. º 29, pp. 71-84, mayo, 2014. [12] Recuperado de: www.pccomponentes.com/Raspberry_pi_3_modelo_b.html vista por última vez 28 mayo 2016 [13] Toshiba satélite. Recuperado de: www.notebookcheck.org/typo3temp/_processed_/csm_toshiba_satellite_l350_gesamtklein_ 1c605ee2d7.jpg [14] A. Marzal, I. Garcia. (2002). Introducción al análisis de algoritmos. pp: 1-7.
type_driver	info:eu-repo/semantics/article
type_coar	http://purl.org/coar/resource_type/c_6501
type_version	info:eu-repo/semantics/publishedVersion
type_coarversion	http://purl.org/coar/version/c_970fb48d4fbd8a85
type_content	Text
publishDate	2017-07-25
date_accessioned	2017-07-25T00:00:00Z
date_available	2017-07-25T00:00:00Z
url	https://revistas.usb.edu.co/index.php/Ingenium/article/view/3218
url_doi	https://doi.org/10.21500/01247492.3218
issn	0124-7492
doi	10.21500/01247492.3218
citationstartpage	105
citationendpage	119
url2_str_mv	https://revistas.usb.edu.co/index.php/Ingenium/article/download/3218/2670
_version_	1797160119210868736

Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante python - Efficiency Measurement Machine Artificial Vision Algorithms Imple-mented in Raspberry Pi and Personal Computer Using Python

Código QR

Estadísticas y Métricas Alternativas

Títulos similares