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...
- 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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 |