Introducción

En este repositorio se puede encontrar el código utilizado en el trabajo de fin de grado "Detección de anomalías en imágenes, estudio del problema y aplicación de la librería Anomalib" realizado por Pablo Ferrer González. Este repositorio esta también documentado con la finalidad de facilitar el uso de la librería Anomalib a un hipotético lector que quiere comenzar a desarrollar soluciones con dicha librería.

Instalación

En la consola de comandos Anaconda Prompt:

conda create -n anomalib_env python=3.8
conda activate anomalib_env
pip install anomalib
pip install keras
pip install tensorflow
pip install paho-mqtt
pip install thingspeak

Sobre los archivos del repositorio

• IoT - PYNQ y IoT - Server se corresponden con los notebooks que han sido necesarios para implementar el caso práctico.
• Model training trata de cómo entrenar un modelo de Anomalib.
• Model boosting desarrolla los procedimientos para realizar Data Augmentation, Transfer Learning e Hyperparameter Tuning
• datos_naranjas.zip se corresponde con el conjunto de datos propio que se ha creado para el caso práctico y utilizado también para la obtención de resultados en el apartado de Data Augmentation
• anomalib/models contiene los modelos de Anomalib que se han utilizado y sus respectivas configuraciones, las cuales podemos encontrar en los archivos .yaml
• results en esta carpeta pueden encontrarse imágenes generadas por el código de la librería Anomalib, las cuales muestran los mismos resultados en las métricas que las que aparecen en 4.2.1 Data augmentation, 4.2.3. Hyperparameter Tuning y 5.1. Descripción del caso práctico.