Algoritmo de Detección, Seguimiento y Conteo de Fresas en Secuencias de Video con Entorno Controlado para Cálculo de Madurez
Este trabajo presenta una propuesta para el monitoreo de cultivos de fresas mediante una herramienta que mejora la eficacia y eficiencia en la gestión de los cultivos. A través del uso de grabaciones de video de fresas en camas de cultivo o cintas transportadoras, la herramienta propuesta busca redu...
- Autores:
-
Arévalo, Andrés
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2024
- Institución:
- Universidad Santo Tomás
- Repositorio:
- Repositorio Institucional USTA
- Idioma:
- spa
- OAI Identifier:
- oai:repository.usta.edu.co:11634/55599
- Acceso en línea:
- http://hdl.handle.net/11634/55599
- Palabra clave:
- Crop Monitoring
Maturation Assessment
Automated Tracking
Digital Agriculture
Strawberry Cultivation
Monitoreo de Cultivos
Evaluación de la Maduración
Seguimiento Automatizado
Agricultura Digital
Cultivo de Fresas
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 2.5 Colombia
| id |
SANTOTOMAS_ff47072254f90263958b046dc672de90 |
|---|---|
| oai_identifier_str |
oai:repository.usta.edu.co:11634/55599 |
| network_acronym_str |
SANTOTOMAS |
| network_name_str |
Repositorio Institucional USTA |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Algoritmo de Detección, Seguimiento y Conteo de Fresas en Secuencias de Video con Entorno Controlado para Cálculo de Madurez |
| title |
Algoritmo de Detección, Seguimiento y Conteo de Fresas en Secuencias de Video con Entorno Controlado para Cálculo de Madurez |
| spellingShingle |
Algoritmo de Detección, Seguimiento y Conteo de Fresas en Secuencias de Video con Entorno Controlado para Cálculo de Madurez Crop Monitoring Maturation Assessment Automated Tracking Digital Agriculture Strawberry Cultivation Monitoreo de Cultivos Evaluación de la Maduración Seguimiento Automatizado Agricultura Digital Cultivo de Fresas |
| title_short |
Algoritmo de Detección, Seguimiento y Conteo de Fresas en Secuencias de Video con Entorno Controlado para Cálculo de Madurez |
| title_full |
Algoritmo de Detección, Seguimiento y Conteo de Fresas en Secuencias de Video con Entorno Controlado para Cálculo de Madurez |
| title_fullStr |
Algoritmo de Detección, Seguimiento y Conteo de Fresas en Secuencias de Video con Entorno Controlado para Cálculo de Madurez |
| title_full_unstemmed |
Algoritmo de Detección, Seguimiento y Conteo de Fresas en Secuencias de Video con Entorno Controlado para Cálculo de Madurez |
| title_sort |
Algoritmo de Detección, Seguimiento y Conteo de Fresas en Secuencias de Video con Entorno Controlado para Cálculo de Madurez |
| dc.creator.fl_str_mv |
Arévalo, Andrés |
| dc.contributor.advisor.none.fl_str_mv |
Pardo, Camilo Gutiérrez, Edgar |
| dc.contributor.author.none.fl_str_mv |
Arévalo, Andrés |
| dc.contributor.corporatename.spa.fl_str_mv |
Universidad Santo Tomás |
| dc.subject.keyword.spa.fl_str_mv |
Crop Monitoring Maturation Assessment Automated Tracking Digital Agriculture Strawberry Cultivation |
| topic |
Crop Monitoring Maturation Assessment Automated Tracking Digital Agriculture Strawberry Cultivation Monitoreo de Cultivos Evaluación de la Maduración Seguimiento Automatizado Agricultura Digital Cultivo de Fresas |
| dc.subject.proposal.spa.fl_str_mv |
Monitoreo de Cultivos Evaluación de la Maduración Seguimiento Automatizado Agricultura Digital Cultivo de Fresas |
| description |
Este trabajo presenta una propuesta para el monitoreo de cultivos de fresas mediante una herramienta que mejora la eficacia y eficiencia en la gestión de los cultivos. A través del uso de grabaciones de video de fresas en camas de cultivo o cintas transportadoras, la herramienta propuesta busca reducir la carga administrativa de seguir manualmente los períodos de maduración y el conteo de fresas. La herramienta emplea algoritmos para generar archivos digitales que proporcionan a los horticultores datos oportunos y accesibles sobre sus cultivos. Las características clave de la herramienta incluyen la identificación de frutas dentro de los fotogramas de video, el seguimiento consistente de cada objeto identificado a lo largo de la secuencia para mantener la precisión, y la extracción de estos objetos para el conteo y la evaluación de la madurez entre otras métricas. Esta innovación podría aumentar significativamente la producción y establecer estándares de calidad más altos. |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2024-06-18T19:49:11Z |
| dc.date.available.none.fl_str_mv |
2024-06-18T19:49:11Z |
| dc.date.issued.none.fl_str_mv |
2024 |
| dc.type.local.spa.fl_str_mv |
Trabajo de grado |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.drive.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.citation.spa.fl_str_mv |
Arévalo, A. (2024). Algoritmo de Detección, Seguimiento y Conteo de Fresas en Secuencias de Video con Entorno Controlado para Cálculo de Madurez. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional. |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/11634/55599 |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Universidad Santo Tomás |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Santo Tomás |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.usta.edu.co |
| identifier_str_mv |
Arévalo, A. (2024). Algoritmo de Detección, Seguimiento y Conteo de Fresas en Secuencias de Video con Entorno Controlado para Cálculo de Madurez. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional. reponame:Repositorio Institucional Universidad Santo Tomás instname:Universidad Santo Tomás repourl:https://repository.usta.edu.co |
| url |
http://hdl.handle.net/11634/55599 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Computer vision and image processing: A beginner’s guide. https://www.opencv.org. Accessed: 2024-05-03 Image recognition: Definition, algorithms & uses. https://www.v7labs.com. Accessed: 2024-05-03. What is computer vision? https://www.ibm.com. Accessed: 2024-05-03 What is computer vision? (definition, examples, uses). https://builtin.com. Accessed: 2024-05-03 What is image recognition? https://builtin.com. Accessed: 2024-05-03 The Algorithms. Rgb hsv conversion. https://abc-algorithms.vercel.app/rgb-hsv-conversion. Accessed: 2024-05-03 Anonymous. Simple open-vocabulary object detection with vision transformers. arXiv, 2205.06230, 2022. Accessed: 2024-05-03 Anonymous. Vision-based cranberry crop ripening assessment, 2023. arXiv:2309.00028. Disponible en https://ar5iv.labs.arxiv.org/html/2309.0002 R. Azadnia, S. Fouladi, and A. Jahanbakhshi. Intelligent detection and waste control of hawthorn fruit based on ripening level using machine vision system and deep learning techniques. Results in Engineering, 17:100891, 2023. Disponible en https://www.journals.elsevier.com/results-in-engineering CloudFactory. Iou (intersection over union). https://wiki.cloudfactory.com/docs/mp-wiki/metrics/iou-intersection-over-union. Accessed: 2024-05-03 F.G. Costa, R.M. Silva, and L.S. Oliveira. Aplicación de redes neuronales convolucionales para la determinación de la madurez de bananas. Revista Brasileña de Automatización Agrícola, 3(2):34–42, 2022 Mathematics Stack Exchange. Rgb to hsv color conversion algorithm. https://math.stackexchange.com/questions/rgb-to-hsv-color-conversion-algorithm. Accessed: 2024-05-03 James D. Foley, Andries van Dam, Steven K. Feiner, and John F. Hughes. Computer Graphics: Principles and Practice. Addison-Wesley, 2nd edition, 1996 Juan García and María Martínez. Traditional manual method for strawberry ripening classification. Agricultural Sciences Review, 15(4):321–328, 2021 Rafael C. Gonzalez and Richard E. Woods. Digital Image Processing. Prentice Hall, 2nd edition, 2002 María González and Javier López. A review of the hsv color model: Properties, applications, and challenges. IEEE Transactions on Image Processing, 24(6):1820–1835, 2015 Mar ́ıa Gonz ́alez and Javier L ́opez. Automatizaci ́on del conteo de fresas en invernaderos utilizando visi ́on por computadora. Revista Espa ̃nola de Agricultura, 45(2):87–95, 2023 Phil Green. Digital Color Management: Encoding Solutions. John Wiley & Sons, 2007 Juan Hern ́andez and Ana Garc ́ıa. Optimizaci ́on del riego en cultivos de fresas mediante an ́alisis de im ́agenes. Revista Mexicana de Agricultura, 17(3):45–52, 2022 I. T. Jolliffe and J. Cadima. Principal component analysis: A review and recent deve- lopments. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 374(2065):20150202, 2016 LearnOpenCV. The complete guide to object tracking – opencv, deepsort, fairmot. https: //www.learnopencv.com/object-tracking-guide-opencv-deepsort-fairmot. Acces- sed: 2024-05-03 LearnOpenCV. Moving object detection using opencv. https://www.learnopencv.com/ moving-object-detection-using-opencv. Accessed: 2024-05-03. Y. Li, H. Zhang, and X. Shen. A survey of multi-view machine learning. Neural Computing and Applications, 23(7-8):2031–2038, 2013 J. B. MacQueen. Some methods for classification and analysis of multivariate observations. 1:281–297, 1967 J. Mart ́ınez-P ́erez, F. Garc ́ıa-Ruiz, and L. G ́omez-Robledo. Implementaci ́on de t ́ecnicas de visi ́on por computadora para la evaluaci ́on de calidad en uvas de vinificaci ́on. Tecnolog ́ıa y Ciencias del Vino, 18(1):18–26, 2023 matplotlib. matplotlib (Versi ́on 4.5) [Software], 2023. Disponible en https://matplotlib. org/stable/index.html mechaphantom. Simple object detection opencv. https://github.com/mechaphantom/ Simple-Object-Detection-OpenCV. Accessed: 2024-05-03 Jan Morovic and Wolfgang Sachtler. Understanding color management. Journal of Elec- tronic Imaging, 18(3):031211, 2009 NumPy. NumPy (Versi ́on 1.24) [Software], 2023. Disponible en https://numpy.org/doc/ 1.24 OpenCV. OpenCV: Open Source Computer Vision Library (Versi ́on 4.7) [Software], 2023. Disponible en https://pypi.org/project/opencv-python/ A. B. Payne, K. B. Walsh, P. P. Subedi, and D. Jarvis. Estimation of mango crop yield using image analysis – segmentation method. Computers and Electronics in Agriculture, 91:57–64, 2013 PyImageSearch. Intersection over union (iou) for ob- ject detection. https://pyimagesearch.com/2016/11/07/ intersection-over-union-iou-for-object-detection/, November 2016. Acces- sed: 2024-05-03 PyImageSearch. Simple object tracking with opencv. https://pyimagesearch.com/2018/ 07/23/simple-object-tracking-with-opencv/, July 2018. Accessed: 2024-05-03 Python Software Foundation. Python (Versi ́on 3.11) [Software], 2023. Disponible en https: //www.python.org/doc B. Santhi, R. Manikandan, M. Rahimi, and A. H. Gandomi. Computer vision system for mango fruit defect detection using deep convolutional neural network. Foods, 11(21):3483, 2022. Disponible en https://doi.org/10.3390/foods11213483 Emily Smith and David Johnson. Color analysis for strawberry ripening classification. Journal of Agricultural Science, 27(3):215–222, 2019 Emily Smith and David Johnson. Detecci ́on temprana de enfermedades en fresas mediante im ́agenes a ́ereas. Journal of Agricultural Technology, 39(1):78–86, 2023 Viso Suite. Image recognition in 2024: A comprehensive guide. 2024. Accessed: 2024-05-03 Richard Szeliski. Computer Vision: Algorithms and Applications. Springer, 2010 Yoko Tanaka and Koji Suzuki. Evaluaci ́on autom ́atica de la calidad de fresas mediante im ́agenes multiespectrales y aprendizaje profundo. Journal of Agricultural Informatics, 12:45–59, 2021 A.J. Thompson and M. H. Lee. Desarrollo de un sistema de clasificaci ́on automatizado para cerezas basado en visi ́on por computadora. Journal of Food Engineering, 287:110115, 2021 Xin Wang and Wei Zhang. Applications of the hsv color space in image processing. Journal of Visual Communication and Image Representation, 52:17–31, 2018 Wikipedia. Clipping path. https://en.wikipedia.org/wiki/Clipping_path. Accessed: 2024-05-03 Wikipedia. Cluster analysis. https://en.wikipedia.org/wiki/Cluster_analysis. Ac- cessed: 2024-05-03 Wikipedia. Color model. https://en.wikipedia.org/wiki/Color_model. Accessed: 2024-05-03 Wikipedia. Color space. https://en.wikipedia.org/wiki/Color_space. Accessed: 2024- 05-03 Wikipedia. Computer vision. https://en.wikipedia.org/wiki/Computer_vision. Accessed: 2024-05-03 Wikipedia. Hsl and hsv. https://en.wikipedia.org/wiki/HSL_and_HSV. Accessed: 2024- 05-03 Wikipedia. Hsl color solid cylinder saturation gray. https://en.wikipedia.org/wiki/ HSL_and_HSV#/media/File:HSL_color_solid_cylinder_saturation_gray.png. Acces- sed: 2024-05-03 Wikipedia. Image segmentation. https://en.wikipedia.org/wiki/Image_ segmentation. Accessed: 2024-05-03 Wikipedia. Jaccard index. https://en.wikipedia.org/wiki/Jaccard_index. Accessed: 2024-05-03 Wikipedia. Mask (computing). https://en.wikipedia.org/wiki/Mask_(computing). Accessed: 2024-05-03 Wikipedia. Moving object detection. https://en.wikipedia.org/wiki/Moving_object_ detection. Accessed: 2024-05-03 Wikipedia. Object detection. https://en.wikipedia.org/wiki/Object_detection. Accessed: 2024-05-03 Wikipedia. Open-vocabulary object detection. https://en.wikipedia.org/wiki/ Open-vocabulary_object_detection. Accessed: 2023-05-03 |
| dc.rights.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.campus.spa.fl_str_mv |
CRAI-USTA Tunja |
| dc.publisher.spa.fl_str_mv |
Universidad Santo Tomás |
| dc.publisher.program.spa.fl_str_mv |
Pregrado Ingeniería Electrónica |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería Electrónica |
| institution |
Universidad Santo Tomás |
| bitstream.url.fl_str_mv |
https://repository.usta.edu.co/bitstream/11634/55599/1/2024cartadederechosdeautor.pdf https://repository.usta.edu.co/bitstream/11634/55599/2/2024andresarevalo.pdf https://repository.usta.edu.co/bitstream/11634/55599/5/APROBACI%c3%93N%20TRABAJOS%20DE%20GRADO%20CRAI2.pdf https://repository.usta.edu.co/bitstream/11634/55599/3/license_rdf https://repository.usta.edu.co/bitstream/11634/55599/4/license.txt https://repository.usta.edu.co/bitstream/11634/55599/6/2024cartadederechosdeautor.pdf.jpg https://repository.usta.edu.co/bitstream/11634/55599/7/2024andresarevalo.pdf.jpg https://repository.usta.edu.co/bitstream/11634/55599/8/APROBACI%c3%93N%20TRABAJOS%20DE%20GRADO%20CRAI2.pdf.jpg |
| bitstream.checksum.fl_str_mv |
8618789ae89083c112c132bf4b6afb88 3491e971b8ffd5046bf17cbd18879496 9c9f6f3e0dd3951e108224d578e11edd 217700a34da79ed616c2feb68d4c5e06 aedeaf396fcd827b537c73d23464fc27 d8785487e843870d687cfa399b11af55 35dd2a38ecbeafd7fbf6a065e8ff8a8c a2510c89a66a8e3803285408acf0c4ca |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Universidad Santo Tomás |
| repository.mail.fl_str_mv |
repositorio@usta.edu.co |
| _version_ |
1866409510995755008 |
| spelling |
Pardo, CamiloGutiérrez, EdgarArévalo, AndrésUniversidad Santo Tomás2024-06-18T19:49:11Z2024-06-18T19:49:11Z2024Arévalo, A. (2024). Algoritmo de Detección, Seguimiento y Conteo de Fresas en Secuencias de Video con Entorno Controlado para Cálculo de Madurez. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.http://hdl.handle.net/11634/55599reponame:Repositorio Institucional Universidad Santo Tomásinstname:Universidad Santo Tomásrepourl:https://repository.usta.edu.coEste trabajo presenta una propuesta para el monitoreo de cultivos de fresas mediante una herramienta que mejora la eficacia y eficiencia en la gestión de los cultivos. A través del uso de grabaciones de video de fresas en camas de cultivo o cintas transportadoras, la herramienta propuesta busca reducir la carga administrativa de seguir manualmente los períodos de maduración y el conteo de fresas. La herramienta emplea algoritmos para generar archivos digitales que proporcionan a los horticultores datos oportunos y accesibles sobre sus cultivos. Las características clave de la herramienta incluyen la identificación de frutas dentro de los fotogramas de video, el seguimiento consistente de cada objeto identificado a lo largo de la secuencia para mantener la precisión, y la extracción de estos objetos para el conteo y la evaluación de la madurez entre otras métricas. Esta innovación podría aumentar significativamente la producción y establecer estándares de calidad más altos.This work presents a proposal for monitoring strawberry crops through a tool that enhances the efficacy and efficiency of crop management. By the use of video footages of strawberries on cultivation beds or conveyors belts, the proposed tool aims to reduce the administrative burden of manually tracking the maturation periods and counting of strawberries. The tool employs algorithms to generate digital files that provide horticulturists with timely and accessible data on their crops. Key features of the tool include the identification of fruits within video frames, consistent tracking of each identified object throughout the sequence to maintain accuracy, and the extraction of these objects for counting and maturity assessment, among other metrics. This innovation could significantly boost production and establish higher quality standards.Ingeniero ElectronicoPregradoapplication/pdfspaUniversidad Santo TomásPregrado Ingeniería ElectrónicaFacultad de Ingeniería ElectrónicaAtribución-NoComercial-SinDerivadas 2.5 Colombiahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Algoritmo de Detección, Seguimiento y Conteo de Fresas en Secuencias de Video con Entorno Controlado para Cálculo de MadurezCrop MonitoringMaturation AssessmentAutomated TrackingDigital AgricultureStrawberry CultivationMonitoreo de CultivosEvaluación de la MaduraciónSeguimiento AutomatizadoAgricultura DigitalCultivo de FresasTrabajo de gradoinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisCRAI-USTA TunjaComputer vision and image processing: A beginner’s guide. https://www.opencv.org. Accessed: 2024-05-03Image recognition: Definition, algorithms & uses. https://www.v7labs.com. Accessed: 2024-05-03.What is computer vision? https://www.ibm.com. Accessed: 2024-05-03What is computer vision? (definition, examples, uses). https://builtin.com. Accessed: 2024-05-03What is image recognition? https://builtin.com. Accessed: 2024-05-03The Algorithms. Rgb hsv conversion. https://abc-algorithms.vercel.app/rgb-hsv-conversion. Accessed: 2024-05-03Anonymous. Simple open-vocabulary object detection with vision transformers. arXiv, 2205.06230, 2022. Accessed: 2024-05-03Anonymous. Vision-based cranberry crop ripening assessment, 2023. arXiv:2309.00028. Disponible en https://ar5iv.labs.arxiv.org/html/2309.0002R. Azadnia, S. Fouladi, and A. Jahanbakhshi. Intelligent detection and waste control of hawthorn fruit based on ripening level using machine vision system and deep learning techniques. Results in Engineering, 17:100891, 2023. Disponible en https://www.journals.elsevier.com/results-in-engineeringCloudFactory. Iou (intersection over union). https://wiki.cloudfactory.com/docs/mp-wiki/metrics/iou-intersection-over-union. Accessed: 2024-05-03F.G. Costa, R.M. Silva, and L.S. Oliveira. Aplicación de redes neuronales convolucionales para la determinación de la madurez de bananas. Revista Brasileña de Automatización Agrícola, 3(2):34–42, 2022Mathematics Stack Exchange. Rgb to hsv color conversion algorithm. https://math.stackexchange.com/questions/rgb-to-hsv-color-conversion-algorithm. Accessed: 2024-05-03James D. Foley, Andries van Dam, Steven K. Feiner, and John F. Hughes. Computer Graphics: Principles and Practice. Addison-Wesley, 2nd edition, 1996Juan García and María Martínez. Traditional manual method for strawberry ripening classification. Agricultural Sciences Review, 15(4):321–328, 2021Rafael C. Gonzalez and Richard E. Woods. Digital Image Processing. Prentice Hall, 2nd edition, 2002María González and Javier López. A review of the hsv color model: Properties, applications, and challenges. IEEE Transactions on Image Processing, 24(6):1820–1835, 2015Mar ́ıa Gonz ́alez and Javier L ́opez. Automatizaci ́on del conteo de fresas en invernaderos utilizando visi ́on por computadora. Revista Espa ̃nola de Agricultura, 45(2):87–95, 2023Phil Green. Digital Color Management: Encoding Solutions. John Wiley & Sons, 2007Juan Hern ́andez and Ana Garc ́ıa. Optimizaci ́on del riego en cultivos de fresas mediante an ́alisis de im ́agenes. Revista Mexicana de Agricultura, 17(3):45–52, 2022I. T. Jolliffe and J. Cadima. Principal component analysis: A review and recent deve- lopments. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 374(2065):20150202, 2016LearnOpenCV. The complete guide to object tracking – opencv, deepsort, fairmot. https: //www.learnopencv.com/object-tracking-guide-opencv-deepsort-fairmot. Acces- sed: 2024-05-03LearnOpenCV. Moving object detection using opencv. https://www.learnopencv.com/ moving-object-detection-using-opencv. Accessed: 2024-05-03.Y. Li, H. Zhang, and X. Shen. A survey of multi-view machine learning. Neural Computing and Applications, 23(7-8):2031–2038, 2013J. B. MacQueen. Some methods for classification and analysis of multivariate observations. 1:281–297, 1967J. Mart ́ınez-P ́erez, F. Garc ́ıa-Ruiz, and L. G ́omez-Robledo. Implementaci ́on de t ́ecnicas de visi ́on por computadora para la evaluaci ́on de calidad en uvas de vinificaci ́on. Tecnolog ́ıa y Ciencias del Vino, 18(1):18–26, 2023matplotlib. matplotlib (Versi ́on 4.5) [Software], 2023. Disponible en https://matplotlib. org/stable/index.htmlmechaphantom. Simple object detection opencv. https://github.com/mechaphantom/ Simple-Object-Detection-OpenCV. Accessed: 2024-05-03Jan Morovic and Wolfgang Sachtler. Understanding color management. Journal of Elec- tronic Imaging, 18(3):031211, 2009NumPy. NumPy (Versi ́on 1.24) [Software], 2023. Disponible en https://numpy.org/doc/ 1.24OpenCV. OpenCV: Open Source Computer Vision Library (Versi ́on 4.7) [Software], 2023. Disponible en https://pypi.org/project/opencv-python/A. B. Payne, K. B. Walsh, P. P. Subedi, and D. Jarvis. Estimation of mango crop yield using image analysis – segmentation method. Computers and Electronics in Agriculture, 91:57–64, 2013PyImageSearch. Intersection over union (iou) for ob- ject detection. https://pyimagesearch.com/2016/11/07/ intersection-over-union-iou-for-object-detection/, November 2016. Acces- sed: 2024-05-03PyImageSearch. Simple object tracking with opencv. https://pyimagesearch.com/2018/ 07/23/simple-object-tracking-with-opencv/, July 2018. Accessed: 2024-05-03Python Software Foundation. Python (Versi ́on 3.11) [Software], 2023. Disponible en https: //www.python.org/docB. Santhi, R. Manikandan, M. Rahimi, and A. H. Gandomi. Computer vision system for mango fruit defect detection using deep convolutional neural network. Foods, 11(21):3483, 2022. Disponible en https://doi.org/10.3390/foods11213483Emily Smith and David Johnson. Color analysis for strawberry ripening classification. Journal of Agricultural Science, 27(3):215–222, 2019Emily Smith and David Johnson. Detecci ́on temprana de enfermedades en fresas mediante im ́agenes a ́ereas. Journal of Agricultural Technology, 39(1):78–86, 2023Viso Suite. Image recognition in 2024: A comprehensive guide. 2024. Accessed: 2024-05-03Richard Szeliski. Computer Vision: Algorithms and Applications. Springer, 2010Yoko Tanaka and Koji Suzuki. Evaluaci ́on autom ́atica de la calidad de fresas mediante im ́agenes multiespectrales y aprendizaje profundo. Journal of Agricultural Informatics, 12:45–59, 2021A.J. Thompson and M. H. Lee. Desarrollo de un sistema de clasificaci ́on automatizado para cerezas basado en visi ́on por computadora. Journal of Food Engineering, 287:110115, 2021Xin Wang and Wei Zhang. Applications of the hsv color space in image processing. Journal of Visual Communication and Image Representation, 52:17–31, 2018Wikipedia. Clipping path. https://en.wikipedia.org/wiki/Clipping_path. Accessed: 2024-05-03Wikipedia. Cluster analysis. https://en.wikipedia.org/wiki/Cluster_analysis. Ac- cessed: 2024-05-03Wikipedia. Color model. https://en.wikipedia.org/wiki/Color_model. Accessed: 2024-05-03Wikipedia. Color space. https://en.wikipedia.org/wiki/Color_space. Accessed: 2024- 05-03Wikipedia. Computer vision. https://en.wikipedia.org/wiki/Computer_vision. Accessed: 2024-05-03Wikipedia. Hsl and hsv. https://en.wikipedia.org/wiki/HSL_and_HSV. Accessed: 2024- 05-03Wikipedia. Hsl color solid cylinder saturation gray. https://en.wikipedia.org/wiki/ HSL_and_HSV#/media/File:HSL_color_solid_cylinder_saturation_gray.png. Acces- sed: 2024-05-03Wikipedia. Image segmentation. https://en.wikipedia.org/wiki/Image_ segmentation. Accessed: 2024-05-03Wikipedia. Jaccard index. https://en.wikipedia.org/wiki/Jaccard_index. Accessed: 2024-05-03Wikipedia. Mask (computing). https://en.wikipedia.org/wiki/Mask_(computing). Accessed: 2024-05-03Wikipedia. Moving object detection. https://en.wikipedia.org/wiki/Moving_object_ detection. Accessed: 2024-05-03Wikipedia. Object detection. https://en.wikipedia.org/wiki/Object_detection. Accessed: 2024-05-03Wikipedia. Open-vocabulary object detection. https://en.wikipedia.org/wiki/ Open-vocabulary_object_detection. Accessed: 2023-05-03ORIGINAL2024cartadederechosdeautor.pdf2024cartadederechosdeautor.pdfapplication/pdf245274https://repository.usta.edu.co/bitstream/11634/55599/1/2024cartadederechosdeautor.pdf8618789ae89083c112c132bf4b6afb88MD51metadata only access2024andresarevalo.pdf2024andresarevalo.pdfapplication/pdf1369440https://repository.usta.edu.co/bitstream/11634/55599/2/2024andresarevalo.pdf3491e971b8ffd5046bf17cbd18879496MD52open accessAPROBACIÓN TRABAJOS DE GRADO CRAI2.pdfAPROBACIÓN TRABAJOS DE GRADO CRAI2.pdfapplication/pdf701103https://repository.usta.edu.co/bitstream/11634/55599/5/APROBACI%c3%93N%20TRABAJOS%20DE%20GRADO%20CRAI2.pdf9c9f6f3e0dd3951e108224d578e11eddMD55metadata only accessCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repository.usta.edu.co/bitstream/11634/55599/3/license_rdf217700a34da79ed616c2feb68d4c5e06MD53open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8807https://repository.usta.edu.co/bitstream/11634/55599/4/license.txtaedeaf396fcd827b537c73d23464fc27MD54open accessTHUMBNAIL2024cartadederechosdeautor.pdf.jpg2024cartadederechosdeautor.pdf.jpgIM Thumbnailimage/jpeg7633https://repository.usta.edu.co/bitstream/11634/55599/6/2024cartadederechosdeautor.pdf.jpgd8785487e843870d687cfa399b11af55MD56open access2024andresarevalo.pdf.jpg2024andresarevalo.pdf.jpgIM Thumbnailimage/jpeg5431https://repository.usta.edu.co/bitstream/11634/55599/7/2024andresarevalo.pdf.jpg35dd2a38ecbeafd7fbf6a065e8ff8a8cMD57open accessAPROBACIÓN TRABAJOS DE GRADO CRAI2.pdf.jpgAPROBACIÓN TRABAJOS DE GRADO CRAI2.pdf.jpgIM Thumbnailimage/jpeg11159https://repository.usta.edu.co/bitstream/11634/55599/8/APROBACI%c3%93N%20TRABAJOS%20DE%20GRADO%20CRAI2.pdf.jpga2510c89a66a8e3803285408acf0c4caMD58open access11634/55599oai:repository.usta.edu.co:11634/555992024-06-19 03:26:17.602metadata only accessRepositorio Universidad Santo Tomásrepositorio@usta.edu.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 |