Diseño de un sistema de visión artificial para el análisis de calidad y producción de rosas.

El presente trabajo de grado se desarrolló con el fin de explorar técnicas de visión artificial aplicadas a los procesos de producción agrícola del país como lo es la industria floricultora, entendiendo que, en las temporadas de gran producción los operarios contratados no tienen suficiente experien...

Full description

Autores:
Muñoz Amaya, Omar Alfonso
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2019
Institución:
Universidad Pedagógica Nacional
Repositorio:
Repositorio Institucional UPN
Idioma:
spa
OAI Identifier:
oai:repository.pedagogica.edu.co:20.500.12209/12074
Acceso en línea:
http://hdl.handle.net/20.500.12209/12074
Palabra clave:
Aprendizaje de máquina
Floricultura
Procesamiento de imágenes
Sistema
Visión artificial
Machine learning
Rights
License
https://creativecommons.org/licenses/by-nc-nd/4.0/
id RPEDAGO2_f0b70db975c2e93f3f962a231800a1e5
oai_identifier_str oai:repository.pedagogica.edu.co:20.500.12209/12074
network_acronym_str RPEDAGO2
network_name_str Repositorio Institucional UPN
repository_id_str
dc.title.spa.fl_str_mv Diseño de un sistema de visión artificial para el análisis de calidad y producción de rosas.
title Diseño de un sistema de visión artificial para el análisis de calidad y producción de rosas.
spellingShingle Diseño de un sistema de visión artificial para el análisis de calidad y producción de rosas.
Aprendizaje de máquina
Floricultura
Procesamiento de imágenes
Sistema
Visión artificial
Machine learning
title_short Diseño de un sistema de visión artificial para el análisis de calidad y producción de rosas.
title_full Diseño de un sistema de visión artificial para el análisis de calidad y producción de rosas.
title_fullStr Diseño de un sistema de visión artificial para el análisis de calidad y producción de rosas.
title_full_unstemmed Diseño de un sistema de visión artificial para el análisis de calidad y producción de rosas.
title_sort Diseño de un sistema de visión artificial para el análisis de calidad y producción de rosas.
dc.creator.fl_str_mv Muñoz Amaya, Omar Alfonso
dc.contributor.advisor.spa.fl_str_mv Herrera Fernández, Luis Jorge
dc.contributor.author.spa.fl_str_mv Muñoz Amaya, Omar Alfonso
dc.subject.spa.fl_str_mv Aprendizaje de máquina
Floricultura
Procesamiento de imágenes
Sistema
Visión artificial
topic Aprendizaje de máquina
Floricultura
Procesamiento de imágenes
Sistema
Visión artificial
Machine learning
dc.subject.keywords.eng.fl_str_mv Machine learning
description El presente trabajo de grado se desarrolló con el fin de explorar técnicas de visión artificial aplicadas a los procesos de producción agrícola del país como lo es la industria floricultora, entendiendo que, en las temporadas de gran producción los operarios contratados no tienen suficiente experiencia para realizar una correcta evaluación de la calidad de la rosa, entrenarlos y capacitar dicho personal toma demasiado tiempo. Se desarrolla entonces el diseño de un sistema entrenado con técnicas de visión artificial que sea capaz de realizar esta labor y que cumpla con los criterios de calidad acotados. Por lo que al final del desarrollo se obtiene una aplicación a modo de interfaz de usuario que permite ver análisis de la calidad de las fotografías de rosas ingresadas al mismo.
publishDate 2019
dc.date.issued.none.fl_str_mv 2019
dc.date.accessioned.none.fl_str_mv 2020-07-30T15:58:18Z
dc.date.available.none.fl_str_mv 2020-07-30T15:58:18Z
dc.type.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.local.spa.fl_str_mv Tesis/Trabajo de grado - Monografía – Pregrado
dc.type.coar.eng.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.driver.eng.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.version.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
format http://purl.org/coar/resource_type/c_7a1f
status_str acceptedVersion
dc.identifier.other.spa.fl_str_mv TE-24132
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12209/12074
dc.identifier.instname.spa.fl_str_mv instname:Universidad Pedagógica Nacional
instname:Universidad Pedagógica Nacional
dc.identifier.reponame.spa.fl_str_mv reponame: Repositorio Institucional UPN
dc.identifier.repourl.none.fl_str_mv repourl: http://repositorio.pedagogica.edu.co/
identifier_str_mv TE-24132
instname:Universidad Pedagógica Nacional
reponame: Repositorio Institucional UPN
repourl: http://repositorio.pedagogica.edu.co/
url http://hdl.handle.net/20.500.12209/12074
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv Bayer CropScience. (s.f.). Mildeo velloso. El Mildeo Velloso acecha su cultivo Protéjalo con el mejor portafolio. [Folleto]. Autor.
Cárdenas, M., & Rodríguez, M. (2011). Colombia y la creación de una empresa productora de flores. Universidad de La Sabana, 166.
Csurka, G., C. R. Dance, L. Fan, J. Willamowski, and C. Bray. Visual Categorization with Bags of Keypoints. Workshop on Statistical Learning in Computer Vision. 2004, ECCV 1 (1–22), 1–2.
Dharwadkar, S., Bhat, G., Reddy, N. V. S., & Aithal, P. K. (2017). Floriculture classification using simple neural network and deep learning. 2017 2nd IEEE International Conference on Recent Trends in Electronics, Information & Communication Technology (RTEICT), 619–622. https://doi.org/10.1109/RTEICT.2017.8256671
Do, T. B., Nguyen, H. H., Nguyen, T. T. N., Vu, H., Tran, T. T. H., & Le, T. L. (2017). Plant identification using score-based fusion of multi-organ images. Proceedings - 2017 9th International Conference on Knowledge and Systems Engineering, KSE 2017, 2017–Janua, 191–196. https://doi.org/10.1109/KSE.2017.8119457
García Santillán, I. D. (2008). Visión artificial y procesamiento digital de imágenes usando Matlab. Quito, Ecuador: Cámara Ecuatoriana del Libro - Núcleo de Pichincha
Gavai, N. R., Jakhade, Y. A., Tribhuvan, S. A., & Bhattad, R. (2018). MobileNets for flower classification using TensorFlow. 2017 International Conference on Big Data, IoT and Data Science, BID 2017, 2018–Janua, 154–158. https://doi.org/10.1109/BID.2017.8336590
Ghosh, S., Kumar, H., Kumar, P.V., & Nayak, J.S. (2015). Study on Classification of Plants Images using Combined Classifier
Gogul, I., & Kumar, V. S. (2017). Flower species recognition system using convolution neural networks and transfer learning. 2017 4th International Conference on Signal Processing, Communication and Networking, ICSCN 2017, 1–6. https://doi.org/10.1109/ICSCN.2017.8085675
Hiary, H., Saadeh, H., Saadeh, M., & Yaqub, M. (2015). Flower Classification using Deep Convolutional Neural Networks, 12, 1–8. https://doi.org/10.1049/iet-cvi.2017.0155
Hussein, S. A., Naby, H. El, & Youssif, A. A. A. (2016). Image Multi-Classification using PHOW Features. IOSR Journal of Computer Engineering, 18(5), 2278–2661. https://doi.org/10.9790/0661-1805063136
Marín, M., & Rangel, J. (2000). Comercialización Internacional de Flores: Antecedentes y Evolución: 1990-1999. Universidad Nacional de Colombia, 278.
Norvig, P., & Russell, S. (2014). Inteligencia artificial. Elsevier Brasil. (Vol. 1). https://doi.org/M-26913-2004
Núcleo Ambiental S.A.S. (2015). Flores & follajes, 1–42. Recuperado de: https://www.google.com.co/url?sa=t&rct=j&q=&esrc=s&source=web&cd=7&cad=rja&uact=8&ved=0ahUKEwiMq_TrkpXQAhVFKyYKHcIgAMwQFghNMAY&url=https://www.ccb.org.co/content/download/13733/175129/file/Flore Follajes.pdf&usg=AFQjCNFGTwQCPrE2PPnoFqW55y-LHixNvA&sig
Liu, W., Rao, Y., Fan, B., Song, J., & Wang, Q. (2017). Flower classification using fusion descriptor and SVM. 2017 International Smart Cities Conference, ISC2 2017
Palma, J., y Marín, R. (2008). Inteligencia Artificial. Inteligencia Artificial (Vol. 2). McGraw-Hill. España. https://doi.org/10.4114/ia.v2i6.614
Perez, R. (2002). Plagas Y Enfermedades Importantes Del Rosal, 63.
Ponce, P. (2010). Inteligencia Artificial con Aplicaciones a la Ingeniería. (Alfaomega, Ed.) (Primera Ed). México
Purohit, S., Gandhi, S., Viroja, R., & Chaudhary, N. (2015). Automatic Plant Species Recognition Technique using Machine learning approaches. 2015 International Conference on Computing and Network Communications (CoCoNet), 710–719. https://doi.org/10.1109/CoCoNet.2015.7411268
Ravindran, P., Costa, A.M., Soares, R.E., & Wiedenhoeft, A.C. (2018). Classification of CITES-listed and other neotropical Meliaceae wood images using convolutional neural networks. Plant Methods
Shukla, T., Mishra, N., & Sharma, S. (2013). Automatic image annotation using SURF Features. 2013 Annual IEEE India Conference, INDICON 2013, 68(4), 920–924. https://doi.org/10.1109/INDCON.2012.6420748
Tárrega, P., (2015, marzo 5). Procesado de imagen de forma sencilla [Archivo de video]. Recuperado de https://la.mathworks.com/videos/image-processing-made-easy-100161.html?fbclid=IwAR3fYY1kCVzKTJgKpjXAe_QIDEVoidW_E-3dWbOtjDW4f5pRXjUKMQcadTQ
Tárrega, P., (2015, mayo 7). Aprendizaje automático (Machine Learning) de forma sencilla [Archivo de video]. Recuperado de https://la.mathworks.com/videos/machine-learning-made-easy-101277.html
Tiay, T., Benyaphaichit, P., & Riyamongkol, P. (2014). Flower Recognition System Based on Image Processing, 99–102.
Uddin, M.A., Joolee, J.B., Alam, A., & Lee, Y. (2017). Human Action Recognition Using Adaptive Local Motion Descriptor in Spark. IEEE Access, 5, 21157-21167.
Xia, X., Xu, C., & Nan, B. (2017). Inception-v3 for flower classification. 2017 2nd International Conference on Image, Vision and Computing, ICIVC 2017, 783–787. https://doi.org/10.1109/ICIVC.2017.7984661
Zamora, P. E. (2016). Algunas Fisiopatias De Frutos, Tallos Y Hojas En Cultivos Protegidos
Zawbaa, H. M., Abbass, M., & Basha, S. H. (2014). An Automatic Flower Classification Approach Using Machine Learning Algorithms. Icacci, 895–901. https://doi.org/10.1109/ICACCI.2014.6968612
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.access.spa.fl_str_mv Acceso abierto
dc.rights.creativecommons.none.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
Acceso abierto
Attribution-NonCommercial-NoDerivatives 4.0 International
http://purl.org/coar/access_right/c_abf2
dc.format.spa.fl_str_mv PDF
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Universidad Pedagógica Nacional
dc.publisher.program.spa.fl_str_mv Licenciatura en Electrónica
dc.publisher.faculty.spa.fl_str_mv Facultad de Ciencia y Tecnología
dc.source.spa.fl_str_mv reponame:Repositorio Institucional de la Universidad Pedagógica Nacional
instname:Universidad Pedagógica Nacional
instname_str Universidad Pedagógica Nacional
institution Universidad Pedagógica Nacional
reponame_str Repositorio Institucional de la Universidad Pedagógica Nacional
collection Repositorio Institucional de la Universidad Pedagógica Nacional
bitstream.url.fl_str_mv http://repository.pedagogica.edu.co/bitstream/20.500.12209/12074/4/TE-24132.pdf.jpg
http://repository.pedagogica.edu.co/bitstream/20.500.12209/12074/2/license.txt
http://repository.pedagogica.edu.co/bitstream/20.500.12209/12074/3/TE-24132%20LIC.%20DE%20USO.pdf
http://repository.pedagogica.edu.co/bitstream/20.500.12209/12074/1/TE-24132.pdf
bitstream.checksum.fl_str_mv 9392770a4fd98e5072be39762e618714
8a4605be74aa9ea9d79846c1fba20a33
0db4432253c64756a3504bb2f5188f5e
df400b05b6b065b5600711c84f807ab3
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Pedagógica Nacional
repository.mail.fl_str_mv repositorio@pedagogica.edu.co
_version_ 1814445073998282752
spelling Herrera Fernández, Luis JorgeMuñoz Amaya, Omar Alfonso2020-07-30T15:58:18Z2020-07-30T15:58:18Z2019TE-24132http://hdl.handle.net/20.500.12209/12074instname:Universidad Pedagógica Nacionalinstname:Universidad Pedagógica Nacionalreponame: Repositorio Institucional UPNrepourl: http://repositorio.pedagogica.edu.co/El presente trabajo de grado se desarrolló con el fin de explorar técnicas de visión artificial aplicadas a los procesos de producción agrícola del país como lo es la industria floricultora, entendiendo que, en las temporadas de gran producción los operarios contratados no tienen suficiente experiencia para realizar una correcta evaluación de la calidad de la rosa, entrenarlos y capacitar dicho personal toma demasiado tiempo. Se desarrolla entonces el diseño de un sistema entrenado con técnicas de visión artificial que sea capaz de realizar esta labor y que cumpla con los criterios de calidad acotados. Por lo que al final del desarrollo se obtiene una aplicación a modo de interfaz de usuario que permite ver análisis de la calidad de las fotografías de rosas ingresadas al mismo.Submitted by Melissa Cuastuza (mcuastuza@pedagogica.edu.co) on 2020-07-30T15:55:27Z No. of bitstreams: 1 TE-24132.pdf: 1871277 bytes, checksum: df400b05b6b065b5600711c84f807ab3 (MD5)Approved for entry into archive by Biblioteca UPN (repositoriobiblioteca@pedagogica.edu.co) on 2020-07-30T15:57:22Z (GMT) No. of bitstreams: 1 TE-24132.pdf: 1871277 bytes, checksum: df400b05b6b065b5600711c84f807ab3 (MD5)Approved for entry into archive by Melissa Cuastuza (mcuastuza@pedagogica.edu.co) on 2020-07-30T15:58:18Z (GMT) No. of bitstreams: 1 TE-24132.pdf: 1871277 bytes, checksum: df400b05b6b065b5600711c84f807ab3 (MD5)Made available in DSpace on 2020-07-30T15:58:18Z (GMT). No. of bitstreams: 1 TE-24132.pdf: 1871277 bytes, checksum: df400b05b6b065b5600711c84f807ab3 (MD5) Previous issue date: 2019Licenciado en ElectrónicaTesis de pregradoPDFapplication/pdfspaUniversidad Pedagógica NacionalLicenciatura en ElectrónicaFacultad de Ciencia y Tecnologíahttps://creativecommons.org/licenses/by-nc-nd/4.0/Acceso abiertoAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://purl.org/coar/access_right/c_abf2reponame:Repositorio Institucional de la Universidad Pedagógica Nacionalinstname:Universidad Pedagógica NacionalAprendizaje de máquinaFloriculturaProcesamiento de imágenesSistemaVisión artificialMachine learningDiseño de un sistema de visión artificial para el análisis de calidad y producción de rosas.info:eu-repo/semantics/bachelorThesisTesis/Trabajo de grado - Monografía – Pregradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionBayer CropScience. (s.f.). Mildeo velloso. El Mildeo Velloso acecha su cultivo Protéjalo con el mejor portafolio. [Folleto]. Autor.Cárdenas, M., & Rodríguez, M. (2011). Colombia y la creación de una empresa productora de flores. Universidad de La Sabana, 166.Csurka, G., C. R. Dance, L. Fan, J. Willamowski, and C. Bray. Visual Categorization with Bags of Keypoints. Workshop on Statistical Learning in Computer Vision. 2004, ECCV 1 (1–22), 1–2.Dharwadkar, S., Bhat, G., Reddy, N. V. S., & Aithal, P. K. (2017). Floriculture classification using simple neural network and deep learning. 2017 2nd IEEE International Conference on Recent Trends in Electronics, Information & Communication Technology (RTEICT), 619–622. https://doi.org/10.1109/RTEICT.2017.8256671Do, T. B., Nguyen, H. H., Nguyen, T. T. N., Vu, H., Tran, T. T. H., & Le, T. L. (2017). Plant identification using score-based fusion of multi-organ images. Proceedings - 2017 9th International Conference on Knowledge and Systems Engineering, KSE 2017, 2017–Janua, 191–196. https://doi.org/10.1109/KSE.2017.8119457García Santillán, I. D. (2008). Visión artificial y procesamiento digital de imágenes usando Matlab. Quito, Ecuador: Cámara Ecuatoriana del Libro - Núcleo de PichinchaGavai, N. R., Jakhade, Y. A., Tribhuvan, S. A., & Bhattad, R. (2018). MobileNets for flower classification using TensorFlow. 2017 International Conference on Big Data, IoT and Data Science, BID 2017, 2018–Janua, 154–158. https://doi.org/10.1109/BID.2017.8336590Ghosh, S., Kumar, H., Kumar, P.V., & Nayak, J.S. (2015). Study on Classification of Plants Images using Combined ClassifierGogul, I., & Kumar, V. S. (2017). Flower species recognition system using convolution neural networks and transfer learning. 2017 4th International Conference on Signal Processing, Communication and Networking, ICSCN 2017, 1–6. https://doi.org/10.1109/ICSCN.2017.8085675Hiary, H., Saadeh, H., Saadeh, M., & Yaqub, M. (2015). Flower Classification using Deep Convolutional Neural Networks, 12, 1–8. https://doi.org/10.1049/iet-cvi.2017.0155Hussein, S. A., Naby, H. El, & Youssif, A. A. A. (2016). Image Multi-Classification using PHOW Features. IOSR Journal of Computer Engineering, 18(5), 2278–2661. https://doi.org/10.9790/0661-1805063136Marín, M., & Rangel, J. (2000). Comercialización Internacional de Flores: Antecedentes y Evolución: 1990-1999. Universidad Nacional de Colombia, 278.Norvig, P., & Russell, S. (2014). Inteligencia artificial. Elsevier Brasil. (Vol. 1). https://doi.org/M-26913-2004Núcleo Ambiental S.A.S. (2015). Flores & follajes, 1–42. Recuperado de: https://www.google.com.co/url?sa=t&rct=j&q=&esrc=s&source=web&cd=7&cad=rja&uact=8&ved=0ahUKEwiMq_TrkpXQAhVFKyYKHcIgAMwQFghNMAY&url=https://www.ccb.org.co/content/download/13733/175129/file/Flore Follajes.pdf&usg=AFQjCNFGTwQCPrE2PPnoFqW55y-LHixNvA&sigLiu, W., Rao, Y., Fan, B., Song, J., & Wang, Q. (2017). Flower classification using fusion descriptor and SVM. 2017 International Smart Cities Conference, ISC2 2017Palma, J., y Marín, R. (2008). Inteligencia Artificial. Inteligencia Artificial (Vol. 2). McGraw-Hill. España. https://doi.org/10.4114/ia.v2i6.614Perez, R. (2002). Plagas Y Enfermedades Importantes Del Rosal, 63.Ponce, P. (2010). Inteligencia Artificial con Aplicaciones a la Ingeniería. (Alfaomega, Ed.) (Primera Ed). MéxicoPurohit, S., Gandhi, S., Viroja, R., & Chaudhary, N. (2015). Automatic Plant Species Recognition Technique using Machine learning approaches. 2015 International Conference on Computing and Network Communications (CoCoNet), 710–719. https://doi.org/10.1109/CoCoNet.2015.7411268Ravindran, P., Costa, A.M., Soares, R.E., & Wiedenhoeft, A.C. (2018). Classification of CITES-listed and other neotropical Meliaceae wood images using convolutional neural networks. Plant MethodsShukla, T., Mishra, N., & Sharma, S. (2013). Automatic image annotation using SURF Features. 2013 Annual IEEE India Conference, INDICON 2013, 68(4), 920–924. https://doi.org/10.1109/INDCON.2012.6420748Tárrega, P., (2015, marzo 5). Procesado de imagen de forma sencilla [Archivo de video]. Recuperado de https://la.mathworks.com/videos/image-processing-made-easy-100161.html?fbclid=IwAR3fYY1kCVzKTJgKpjXAe_QIDEVoidW_E-3dWbOtjDW4f5pRXjUKMQcadTQTárrega, P., (2015, mayo 7). Aprendizaje automático (Machine Learning) de forma sencilla [Archivo de video]. Recuperado de https://la.mathworks.com/videos/machine-learning-made-easy-101277.htmlTiay, T., Benyaphaichit, P., & Riyamongkol, P. (2014). Flower Recognition System Based on Image Processing, 99–102.Uddin, M.A., Joolee, J.B., Alam, A., & Lee, Y. (2017). Human Action Recognition Using Adaptive Local Motion Descriptor in Spark. IEEE Access, 5, 21157-21167.Xia, X., Xu, C., & Nan, B. (2017). Inception-v3 for flower classification. 2017 2nd International Conference on Image, Vision and Computing, ICIVC 2017, 783–787. https://doi.org/10.1109/ICIVC.2017.7984661Zamora, P. E. (2016). Algunas Fisiopatias De Frutos, Tallos Y Hojas En Cultivos ProtegidosZawbaa, H. M., Abbass, M., & Basha, S. H. (2014). An Automatic Flower Classification Approach Using Machine Learning Algorithms. Icacci, 895–901. https://doi.org/10.1109/ICACCI.2014.6968612THUMBNAILTE-24132.pdf.jpgTE-24132.pdf.jpgIM Thumbnailimage/jpeg2603http://repository.pedagogica.edu.co/bitstream/20.500.12209/12074/4/TE-24132.pdf.jpg9392770a4fd98e5072be39762e618714MD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repository.pedagogica.edu.co/bitstream/20.500.12209/12074/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52TE-24132 LIC. DE USO.pdfTE-24132 LIC. DE USO.pdfapplication/pdf153183http://repository.pedagogica.edu.co/bitstream/20.500.12209/12074/3/TE-24132%20LIC.%20DE%20USO.pdf0db4432253c64756a3504bb2f5188f5eMD53ORIGINALTE-24132.pdfTE-24132.pdfapplication/pdf1871277http://repository.pedagogica.edu.co/bitstream/20.500.12209/12074/1/TE-24132.pdfdf400b05b6b065b5600711c84f807ab3MD5120.500.12209/12074oai:repository.pedagogica.edu.co:20.500.12209/120742023-09-12 10:38:18.136Repositorio Institucional Universidad Pedagógica Nacionalrepositorio@pedagogica.edu.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