Wiki IES El Rincón - Contribuciones del usuario [es]

Tesseract

2024-02-07T12:53:40Z

EDUARDOGARCIAVALLEJO: Fixes a las categorías, al bloque de código e introducción

En el proyecto de SmartEcoSchool implementaremos dos tipos distintos de instalación: una invasiva y otra no invasiva. La instalación no invasiva se fundamenta en la tecnología OCR para analizar la lectura de los contadores de agua y luz, y enviar al servidor los datos donde serán procesados y servidos a los distintos kioskos instalados en el centro. Para la lectura de la foto, utilizaremos Tesseract implementado en Python.

== Instalación Windows ==
La implementación real de la instalación no invasiva se realizará en una Raspberry PI, pero también es necesario saber instalar Tesseract en una máquina Windows para poder testear en nuestro entorno de trabajo la lectura de la imagen.

# Descargamos el motor OCR de Tesseract [https://github.com/UB-Mannheim/tesseract/wiki aquí].
# Ejecutamos y completamos el asistente de instalación. Añadiremos todos los opcionales a la instalación (el opcional más opcional es el de entrenamiento del OCR).
# Añadimos la ruta donde hemos instalado Tesseract OCR a la variable de entorno PATH.
## Abrimos el menú Windows y buscamos '''Editar las variables de entorno del sistema'''.
## Clicamos en el botón '''Variables de entorno...'''
## Buscamos la variable Path en '''Variables del sistema''' y clicamos en editar.
## Le damos a '''Nuevo''' y añadimos la ruta de la instalación de Tesseract OCR.
# Abrimos una consola de comandos, y escribimos '''tesseract -v'''. Si vemos la versión instalada, estará todo correctamente.

== Instalación Python Wrapper ==
Con Tesseract instalado en nuestra máquina, necesitamos podemos ejecutarlo desde Python para no depender de la consola de comandos y para poder preprocesar las imágenes. Para esto, usaremos '''PyTesseract'''.

# Descargamos Python desde la [https://www.python.org/downloads/ página oficial].
# Ejecutamos y completamos el asistente de instalación. No necesitamos cambiar el tamaño máximo de las variables Path, y podemos instalarlo de manera Global o para el usuario actual.
## Comprobamos que Python esté añadido a la variable de entorno Path. Si no, tenemos que añadir el directorio donde esté el ejecutable llamado '''python'''.
## Comprobamos también que Pip esté en nuestra variable de entorno Path. La ruta del Pip está en la subcarpeta '''Scripts''' que se encuentra en el directorio con el ejecutable python.
# Instalamos PyTesseract mediante el comando de consola '''pip install pytesseract'''

== Testeando la implementación de Tesseract en Python ==
Con PyTesseract y el motor OCR instalados en nuestra máquina, vamos a escribir un pequeño script en Python para comprobar que todo funciona correctamente. Para escribir este script podemos utilizar cualquier editor de código, como '''Visual Studio Code''' o '''PyCharm'''.

# Creamos un nuevo fichero de extensión '''.py'''.
# Al principio del script importamos la librería de '''pytesseract'''.
# Añadimos también la línea '''from PIL import Image''' al principio del script para añadir la función de abrir una imagen del sistema.
# Mostramos el texto que lee el motor OCR de una imagen, '''test.png'''.

El contenido del script quedaría tal que:
<blockquote>
<code>from PIL import Image

import pytesseract

print(pytesseract.image_to_string(Image.open('test.png')))</code>
</blockquote>

Si todo ha salido correctamente, al ejecutar este script deberíamos ver por la consola lo que el motor OCR interpreta de la imagen. En caso de que la lectura no sea correcta, entonces tendremos que hacerle un '''preprocesado a la imagen'''.

[[Categoría:SmartEcoSchool]]
[[Categoría:OCR]]

Tesseract

2024-02-07T12:49:22Z

EDUARDOGARCIAVALLEJO: /* Testeando la implementación de Tesseract en Python */

<blockquote>En el proyecto de SmartEcoSchool implementaremos dos tipos distintos de instalación: una invasiva y otra no invasiva. La instalación no invasiva se fundamenta en la tecnología OCR para analizar la lectura de los contadores de agua y luz, y enviar al servidor los datos donde serán procesados y servidos a los distintos kioskos instalados en el centro. Para la lectura de la foto, utilizaremos Tesseract implementado en Python.</blockquote>

== Instalación Windows ==
La implementación real de la instalación no invasiva se realizará en una Raspberry PI, pero también es necesario saber instalar Tesseract en una máquina Windows para poder testear en nuestro entorno de trabajo la lectura de la imagen.

# Descargamos el motor OCR de Tesseract [https://github.com/UB-Mannheim/tesseract/wiki aquí].
# Ejecutamos y completamos el asistente de instalación. Añadiremos todos los opcionales a la instalación (el opcional más opcional es el de entrenamiento del OCR).
# Añadimos la ruta donde hemos instalado Tesseract OCR a la variable de entorno PATH.
## Abrimos el menú Windows y buscamos '''Editar las variables de entorno del sistema'''.
## Clicamos en el botón '''Variables de entorno...'''
## Buscamos la variable Path en '''Variables del sistema''' y clicamos en editar.
## Le damos a '''Nuevo''' y añadimos la ruta de la instalación de Tesseract OCR.
# Abrimos una consola de comandos, y escribimos '''tesseract -v'''. Si vemos la versión instalada, estará todo correctamente.

== Instalación Python Wrapper ==
Con Tesseract instalado en nuestra máquina, necesitamos podemos ejecutarlo desde Python para no depender de la consola de comandos y para poder preprocesar las imágenes. Para esto, usaremos '''PyTesseract'''.

# Descargamos Python desde la [https://www.python.org/downloads/ página oficial].
# Ejecutamos y completamos el asistente de instalación. No necesitamos cambiar el tamaño máximo de las variables Path, y podemos instalarlo de manera Global o para el usuario actual.
## Comprobamos que Python esté añadido a la variable de entorno Path. Si no, tenemos que añadir el directorio donde esté el ejecutable llamado '''python'''.
## Comprobamos también que Pip esté en nuestra variable de entorno Path. La ruta del Pip está en la subcarpeta '''Scripts''' que se encuentra en el directorio con el ejecutable python.
# Instalamos PyTesseract mediante el comando de consola '''pip install pytesseract'''

== Testeando la implementación de Tesseract en Python ==
Con PyTesseract y el motor OCR instalados en nuestra máquina, vamos a escribir un pequeño script en Python para comprobar que todo funciona correctamente. Para escribir este script podemos utilizar cualquier editor de código, como '''Visual Studio Code''' o '''PyCharm'''.

# Creamos un nuevo fichero de extensión '''.py'''.
# Al principio del script importamos la librería de '''pytesseract'''.
# Añadimos también la línea '''from PIL import Image''' al principio del script para añadir la función de abrir una imagen del sistema.
# Mostramos el texto que lee el motor OCR de una imagen, '''test.png'''.

El contenido del script quedaría tal que:

<code>from PIL import Image</code>

<code>import pytesseract</code>

<code>print(pytesseract.image_to_string(Image.open('test.png')))</code>

Si todo ha salido correctamente, al ejecutar este script deberíamos ver por la consola lo que el motor OCR interpreta de la imagen. En caso de que la lectura no sea correcta, entonces tendremos que hacerle un '''preprocesado a la imagen'''.
[[index.php?title=Categoría:SmartEcoSchool]]
[[index.php?title=Categoría:OCR]]

Tesseract

2024-02-06T13:55:49Z

EDUARDOGARCIAVALLEJO: Añadida sección de Categorías

En el proyecto de SmartEcoSchool implementaremos dos tipos distintos de instalación: una invasiva y otra no invasiva. La instalación no invasiva se fundamenta en la tecnología OCR para analizar la lectura de los contadores de agua y luz, y enviar al servidor los datos donde serán procesados y servidos a los distintos kioskos instalados en el centro. Para la lectura de la foto, utilizaremos Tesseract implementado en Python.

== Instalación Windows ==
La implementación real de la instalación no invasiva se realizará en una Raspberry PI, pero también es necesario saber instalar Tesseract en una máquina Windows para poder testear en nuestro entorno de trabajo la lectura de la imagen.

# Descargamos el motor OCR de Tesseract [https://github.com/UB-Mannheim/tesseract/wiki aquí].
# Ejecutamos y completamos el asistente de instalación. Añadiremos todos los opcionales a la instalación (el opcional más opcional es el de entrenamiento del OCR).
# Añadimos la ruta donde hemos instalado Tesseract OCR a la variable de entorno PATH.
## Abrimos el menú Windows y buscamos '''Editar las variables de entorno del sistema'''.
## Clicamos en el botón '''Variables de entorno...'''
## Buscamos la variable Path en '''Variables del sistema''' y clicamos en editar.
## Le damos a '''Nuevo''' y añadimos la ruta de la instalación de Tesseract OCR.
# Abrimos una consola de comandos, y escribimos '''tesseract -v'''. Si vemos la versión instalada, estará todo correctamente.

== Instalación Python Wrapper ==
Con Tesseract instalado en nuestra máquina, necesitamos podemos ejecutarlo desde Python para no depender de la consola de comandos y para poder preprocesar las imágenes. Para esto, usaremos '''PyTesseract'''.

# Descargamos Python desde la [https://www.python.org/downloads/ página oficial].
# Ejecutamos y completamos el asistente de instalación. No necesitamos cambiar el tamaño máximo de las variables Path, y podemos instalarlo de manera Global o para el usuario actual.
## Comprobamos que Python esté añadido a la variable de entorno Path. Si no, tenemos que añadir el directorio donde esté el ejecutable llamado '''python'''.
## Comprobamos también que Pip esté en nuestra variable de entorno Path. La ruta del Pip está en la subcarpeta '''Scripts''' que se encuentra en el directorio con el ejecutable python.
# Instalamos PyTesseract mediante el comando de consola '''pip install pytesseract'''

== Testeando la implementación de Tesseract en Python ==
TODO
[[Categoría:SmartEcoSchool]]
[[Categoría:OCR]]

Tesseract

2024-02-06T13:54:04Z

EDUARDOGARCIAVALLEJO: Documentación del OCR utilizado en el proyecto de SmartEcoSchool.

Categoría:SmartEcoSchool

2023-12-04T09:54:31Z

EDUARDOGARCIAVALLEJO: Creación categoría SmartEcoSchool

SmartEcoSchool

2023-12-04T09:53:47Z

EDUARDOGARCIAVALLEJO: Añadida sección de Categorías

== Breve resumen ==
SmartEcoSchool es un proyecto que busca concienciar a la comunidad educativa sobre el consumo de agua y electricidad en el centro. Se instalarán medidores de consumo y presión de agua y electricidad, mostrando los datos en pantallas, y habrá retos mensuales para fomentar el ahorro de recursos, incentivando pequeñas acciones en las aulas. Los consumos se mostrarán en tiempo real para evaluar su impacto, utilizando '''machine learning''' para detectar situaciones anómalas como consumos excesivos o roturas de tuberías.

== Descripción general ==
El proyecto SmartEcoSchool es un proyecto aprobado por la '''Dirección General de Formación Profesional y Enseñanzas de Régimen Especial de la Conserjería de Educación del Gobierno de Canarias'''.
[[Archivo:Logo SmartEcoSchool.png|miniaturadeimagen|Logo del proyecto SmartEcoSchool]]

El proyecto aborda un problema concreto y práctico que enfrentan los centros educativos y las empresas en su gestión diaria: el '''consumo excesivo e ineficiente de recursos''' como el agua y la electricidad. Mediante la instalación de medidores de consumo y el desarrollo de un sistema de monitoreo en tiempo real, se busca identificar y resolver este problema mediante la '''toma de conciencia''' y la adopción de '''prácticas más sostenibles'''. También se requiere el diseño e implementación de tecnologías de '''medición, monitoreo y análisis de datos''', así como el uso de técnicas de '''machine learning''' para detectar anomalías y optimizar el consumo de recursos. Esto implica la aplicación de conocimientos teóricos y prácticos en un entorno real, con el objetivo de resolver de manera efectiva y práctica la problemática identificada.

El desarrollo de este proyecto también se enmarca en la necesidad de impulsar '''prácticas sostenibles y respetuosas''' con el medio ambiente en el ámbito educativo y, al mismo tiempo, promover la innovación en el sector productivo. La innovación tecnológica que se logra mediante el desarrollo de este software se alinea con la familia profesional de la informática, y el uso de '''dispositivos de medición''', como los medidores electrónicos y las cámaras de '''Raspberry Pi''', y la implementación de algoritmos de machine learning para el '''análisis de datos''', demuestran la aplicación de conocimientos informáticos y la capacidad de aprovechar la tecnología de la '''Industria 4.0''' en la gestión eficiente de recursos.

El alumnado está implicado en la creación de software para el '''control de datos''' y la '''visualización de información''' y se les brinda la oportunidad de adquirir habilidades en '''programación''', '''gestión de bases de datos''' y '''aplicaciones tecnológicas'''. La integración de

tecnologías avanzadas en el control del consumo de agua y energía promueve una gestión más inteligente y sostenible de los recursos, en línea con los principios de la '''Industria 4.0'''. Esto permite a los estudiantes adquirir conocimientos y competencias en áreas como el '''Internet de las cosas (IoT)''', la '''analítica de datos''' y la '''automatización de procesos''', preparándolos para los desafíos tecnológicos y las oportunidades de la industria 4.0 en su futuro profesional.

[[Categoría:SmartEcoSchool]]

SmartEcoSchool

2023-12-04T09:50:59Z

EDUARDOGARCIAVALLEJO: Añadido logo del proyecto

Archivo:Logo SmartEcoSchool.png

2023-12-04T09:50:24Z

EDUARDOGARCIAVALLEJO:

Logo del proyecto SmartEcoSchool

SmartEcoSchool

2023-12-04T09:40:57Z

EDUARDOGARCIAVALLEJO: Breve resumen y descripción general

== Breve resumen ==
SmartEcoSchool es un proyecto que busca concienciar a la comunidad educativa sobre el consumo de agua y electricidad en el centro. Se instalarán medidores de consumo y presión de agua y electricidad, mostrando los datos en pantallas, y habrá retos mensuales para fomentar el ahorro de recursos, incentivando pequeñas acciones en las aulas. Los consumos se mostrarán en tiempo real para evaluar su impacto, utilizando '''machine learning''' para detectar situaciones anómalas como consumos excesivos o roturas de tuberías.

== Descripción general ==
El proyecto SmartEcoSchool es un proyecto aprobado por la '''Dirección General de Formación Profesional y Enseñanzas de Régimen Especial de la Conserjería de Educación del Gobierno de Canarias'''.

El proyecto aborda un problema concreto y práctico que enfrentan los centros educativos y las empresas en su gestión diaria: el '''consumo excesivo e ineficiente de recursos''' como el agua y la electricidad. Mediante la instalación de medidores de consumo y el desarrollo de un sistema de monitoreo en tiempo real, se busca identificar y resolver este problema mediante la '''toma de conciencia''' y la adopción de '''prácticas más sostenibles'''. También se requiere el diseño e implementación de tecnologías de '''medición, monitoreo y análisis de datos''', así como el uso de técnicas de '''machine learning''' para detectar anomalías y optimizar el consumo de recursos. Esto implica la aplicación de conocimientos teóricos y prácticos en un entorno real, con el objetivo de resolver de manera efectiva y práctica la problemática identificada.

El desarrollo de este proyecto también se enmarca en la necesidad de impulsar '''prácticas sostenibles y respetuosas''' con el medio ambiente en el ámbito educativo y, al mismo tiempo, promover la innovación en el sector productivo. La innovación tecnológica que se logra mediante el desarrollo de este software se alinea con la familia profesional de la informática, y el uso de '''dispositivos de medición''', como los medidores electrónicos y las cámaras de '''Raspberry Pi''', y la implementación de algoritmos de machine learning para el '''análisis de datos''', demuestran la aplicación de conocimientos informáticos y la capacidad de aprovechar la tecnología de la '''Industria 4.0''' en la gestión eficiente de recursos.

El alumnado está implicado en la creación de software para el '''control de datos''' y la '''visualización de información''' y se les brinda la oportunidad de adquirir habilidades en '''programación''', '''gestión de bases de datos''' y '''aplicaciones tecnológicas'''. La integración de

tecnologías avanzadas en el control del consumo de agua y energía promueve una gestión más inteligente y sostenible de los recursos, en línea con los principios de la '''Industria 4.0'''. Esto permite a los estudiantes adquirir conocimientos y competencias en áreas como el '''Internet de las cosas (IoT)''', la '''analítica de datos''' y la '''automatización de procesos''', preparándolos para los desafíos tecnológicos y las oportunidades de la industria 4.0 en su futuro profesional.

== Sobre el proyecto ==

* Proyecto aprobado de la Dirección General de Formación Profesional y Enseñanzas en Régimen Especial de la Consejería de Educación del Gobierno de Canarias
[[Categoría:SmartEcoSchool]]