Diseño e Implementación de Técnicas de Visión Artificial para la Detección y Localización de Frutos.
Hoy en día calcular o tener presente densidades de frutos en plantaciones con áreas extensas, es una problemática ya que a medida que estas áreas se extienden, se hace más difícil prever cantidades del fruto a estudiar y a su vez limita al agricultor a estar dependiente de sistemas rudimentarios. Po...
- Autores:
-
Medina Saenz, Iván Andrés
Mur Parra, Camilo Andrés
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2022
- Institución:
- Universidad Santo Tomás
- Repositorio:
- Repositorio Institucional USTA
- Idioma:
- spa
- OAI Identifier:
- oai:repository.usta.edu.co:11634/47517
- Acceso en línea:
- http://hdl.handle.net/11634/47517
- Palabra clave:
- Computer vision
Precision farming
Real-time object detector
GPS
Jetson nano
Artificial intelligence
Geo-location
Visión por computadora
Agricultura de precisión
Detector de objetos en tiempo real
GPS
Jetson nano
Inteligencia artificia
Geo-localización
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 2.5 Colombia
| id |
SANTTOMAS2_d1f2f4f7393c6e67acaa3b9eabc48f92 |
|---|---|
| oai_identifier_str |
oai:repository.usta.edu.co:11634/47517 |
| network_acronym_str |
SANTTOMAS2 |
| network_name_str |
Repositorio Institucional USTA |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Diseño e Implementación de Técnicas de Visión Artificial para la Detección y Localización de Frutos. |
| title |
Diseño e Implementación de Técnicas de Visión Artificial para la Detección y Localización de Frutos. |
| spellingShingle |
Diseño e Implementación de Técnicas de Visión Artificial para la Detección y Localización de Frutos. Computer vision Precision farming Real-time object detector GPS Jetson nano Artificial intelligence Geo-location Visión por computadora Agricultura de precisión Detector de objetos en tiempo real GPS Jetson nano Inteligencia artificia Geo-localización |
| title_short |
Diseño e Implementación de Técnicas de Visión Artificial para la Detección y Localización de Frutos. |
| title_full |
Diseño e Implementación de Técnicas de Visión Artificial para la Detección y Localización de Frutos. |
| title_fullStr |
Diseño e Implementación de Técnicas de Visión Artificial para la Detección y Localización de Frutos. |
| title_full_unstemmed |
Diseño e Implementación de Técnicas de Visión Artificial para la Detección y Localización de Frutos. |
| title_sort |
Diseño e Implementación de Técnicas de Visión Artificial para la Detección y Localización de Frutos. |
| dc.creator.fl_str_mv |
Medina Saenz, Iván Andrés Mur Parra, Camilo Andrés |
| dc.contributor.advisor.none.fl_str_mv |
Pardo Beainy, Camilo Ernesto Gutiérrez Cáceres, Edgar Andrés |
| dc.contributor.author.none.fl_str_mv |
Medina Saenz, Iván Andrés Mur Parra, Camilo Andrés |
| dc.contributor.corporatename.spa.fl_str_mv |
Universidad Santo Tomas |
| dc.subject.keyword.spa.fl_str_mv |
Computer vision Precision farming Real-time object detector GPS Jetson nano Artificial intelligence Geo-location |
| topic |
Computer vision Precision farming Real-time object detector GPS Jetson nano Artificial intelligence Geo-location Visión por computadora Agricultura de precisión Detector de objetos en tiempo real GPS Jetson nano Inteligencia artificia Geo-localización |
| dc.subject.proposal.spa.fl_str_mv |
Visión por computadora Agricultura de precisión Detector de objetos en tiempo real GPS Jetson nano Inteligencia artificia Geo-localización |
| description |
Hoy en día calcular o tener presente densidades de frutos en plantaciones con áreas extensas, es una problemática ya que a medida que estas áreas se extienden, se hace más difícil prever cantidades del fruto a estudiar y a su vez limita al agricultor a estar dependiente de sistemas rudimentarios. Por ello se plantea un sistema capaz de identificar frutos y de ubicar cultivos dentro de un cultivo de grandes extensiones, todo ello mediante algoritmos de visión artificial, inteligencia artificial y geo-localización. Este sistema se diseña pensando en mejorar la toma de decisiones por parte de los agricultores y de los especialistas del cultivo de fresa, frente a tiempos de recolección y proyección de cosecha, de esta manera se incrementa la efectividad de producción y calidad del fruto, dando así un impacto sobre el mercado, pudiendo estimar cantidades y tiempos de cosecha, generando así decrementos en el tiempo que tardaría el proceso de conteo de forma manual, con la finalidad de adquirir efectos favorables, se da paso al diseño e implementación de técnicas de visión artificial para la detección y localización de frutos, contemplando que este sistema es totalmente portátil y funcional dentro del campo de trabajo, ya que realiza el pre-procesamiento, procesamiento y pos-procesamiento estando en el cultivo. |
| publishDate |
2022 |
| dc.date.accessioned.none.fl_str_mv |
2022-10-05T22:35:17Z |
| dc.date.available.none.fl_str_mv |
2022-10-05T22:35:17Z |
| dc.date.issued.none.fl_str_mv |
2022-10-04 |
| 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 |
Medina Saenz Iván Andrés, Mur Parra Camilo Andrés, Diseño e Implementación de Técnicas de Visión Artificial para la Detección y Localización de Frutos. |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/11634/47517 |
| 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 |
Medina Saenz Iván Andrés, Mur Parra Camilo Andrés, Diseño e Implementación de Técnicas de Visión Artificial para la Detección y Localización de Frutos. reponame:Repositorio Institucional Universidad Santo Tomás instname:Universidad Santo Tomás repourl:https://repository.usta.edu.co |
| url |
http://hdl.handle.net/11634/47517 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
M. Bramuel and M. Jiménez, “Estudio de algoritmos en imágenes para conteo de población del cultivo de banano,” 04 2018. X. Liu, S. W. Chen, S. Aditya, N. Sivakumar, S. Dcunha, C. Qu, C. J. Taylor, J. Das, and V. Kumar, “Robust fruit counting: Combining deep learning, tracking, and structure from motion,” in 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2018, pp. 1045–1052. E. J. Sadgrove, G. Falzon, D. Miron, and D. Lamb, “Fast object detection in pastoral lands- capes using a colour feature extreme learning machine,” Computers and electronics in agri- culture, vol. 139, pp. 204–212, 2017. L. López Mas, “Diseño de un sistema de visión por ordenador para la caracterización del color del tomate (solanum lycopersicum l.),” Ph.D. dissertation, UPC, Escola Superior d’Agricultura de Barcelona, Sep 2017. [Online]. Available: http://hdl.handle.net/2117/108252 G. García Bandala et al., “Fenología, calidad y rendimiento de fruto de fresa variedad’el dorado’con fertilización química y orgánica,” B.S. thesis, 2019. J. J. d. Vicente Sugue, “Análisis de algoritmos de detección de características de opencv en raspberry pi,” 2020. A. G. Marcos, F. J. M. de Pisón Ascacíbar, F. A. Elías, M. C. Limas, J. B. O. Meré, E. P. V. González et al., “Técnicas y algoritmos básicos de visión artificial,” Técnicas y Algoritmos Básicos de Visión Artificial, 2006. R. Szeliski, Computer vision: algorithms and applications. Springer Science & Business Media, 2010. J. A. C. Osorio, W. A. Urueña, and J. A. M. Vargas, “Técnicas alternativas para la conversión de imágenes a color a escala de grises en el tratamiento digital de imágenes,” Scientia et technica, vol. 1, no. 47, pp. 207–212, 2011. D. E. Figueroa, E. R. Guerrero et al., “Sistema de visión artificial para la identificación del estado de madurez de frutas (granadilla),” Redes de Ingeniería, vol. 7, no. 1, pp. 78–86, 2016. E. Alegre, G. Pajares, and A. de la Escalera, Conceptos y Métodos en Visión por Computador. Grupo de Visión del Comité Español de Automática, 2016. J. D. A. Hernández, A. F. J. López, and H. O. P. Castro, “Desarrollo de aplicaciones en python para el aprendizaje de física computacional,” Ingeniería Investigación y Desarrollo: I2+ D, vol. 16, no. 1, pp. 72–82, 2016. E. Stein, S. Liu, and J. Sun, “Real-time object detection on an edge device.” A. Borji, M.-M. Cheng, H. Jiang, and J. Li, “Salient object detection: A benchmark,” IEEE transactions on image processing, vol. 24, no. 12, pp. 5706–5722, 2015. 87 N. Pellejero, G. L. Grinblat, and L. Uzal, “Análisis semántico en rostros utilizando redes neuronales profundas,” in XVIII Simposio Argentino de Inteligencia Artificial (ASAI)-JAIIO 46 (Córdoba, 2017)., 2017. A. Younis, L. Shixin, S. Jn, and Z. Hai, “Real-time object detection using pre-trained deep learning models mobilenet-ssd,” in Proceedings of 2020 the 6th international conference on computing and data engineering, 2020, pp. 44–48. J. V. Rebaza, “Detección de bordes mediante el algoritmo de canny,” Escuela Académico Profesional di Informática. Universidad Nacional de Trujillo, vol. 4, 2007 J. Davis and M. Goadrich, “The relationship between precision-recall and roc curves,” in Proceedings of the 23rd international conference on Machine learning, 2006, pp. 233–240. tesiunam. [Online]. Available: https://tesiunam.dgb.unam.mx/F/ 7Y5JDKUTQS7KRQ3L5GRQ2TLUTIHTJ7VFUGY8B9BYS92PVVKDR3-42638?func= full-set-set&set_number=535566&set_entry=000002&format=002 F. Seco, K. Koutsou, F. Ramos, and A. R. Jiménez, “Localización personal en entornos interiores con tecnología rfid,” Revista Iberoamericana de Automática e Informática industrial, vol. 10, no. 3, pp. 313–324, 2013. B. Hofmann-Wellenhof, H. Lichtenegger, and J. Collins, Global positioning system: theory and practice. Springer Science & Business Media, 2012 A. Bel, G. Capobianco, U. Chialva, R. Cobiaga, J. A. Del Punta, W. A. Reartes, V. Aja, N. Alonso, S. A. Balda, P. E. Bertacco et al., “La matemática detrás del gps: propuesta didáctica para matemática: Nivel secundario,” 2018. GISGeography. [Online]. Available: https://acolita.com/como-funcionan-los-dispositivos gps-trilateracion-vs-triangulacion/ J. James. [Online]. Available: https://world.ubergizmo.com/es/como/aprende-a-leer-las coordenadas-del-gps/ C. T. MARIO ALEJANDRO, “Estrategias biológicas para el manejo de enfermedades en el cultivo de fresa (Fragaria spp.),” Revista Colombiana de Ciencias Hortí-colas, vol. 7, pp. 263 – 276, 12 2013. [Online]. Available: http://www.scielo.org.co/scielo.php?script=sci_ arttext&pid=S2011-21732013000200011&nrm=iso T. S. Gunawan, A. Ashraf, B. S. Riza, E. V. Haryanto, R. Rosnelly, M. Kartiwi, and Z. Janin, “Development of video-based emotion recognition using deep learning with google colab,” TELKOMNIKA (Telecommunication Computing Electronics and Control), vol. 18, no. 5, pp. 2463–2471, 2020. A. VISUS. [Online]. Available: https://www.esic.edu/rethink/tecnologia/para-que-sirve python L. deCastillo. [Online]. Available: https://www.deltatracking.com/2020/09/01/pasos-a tomar-en-cuenta-para-interpretar-tramas-de-gps G. Baddeley. [Online]. Available: http://aprs.gids.nl/nmea/#gga. D. Khort, A. Kutyrev, I. Smirnov, V. Osypenko, and N. Kiktev, “Computer vision system for recognizing the coordinates location and ripeness of strawberries,” in International Conference on Data Stream Mining and Processing. Springer, 2020, pp. 334–343 E. J. Sadgrove, G. Falzon, D. Miron, and D. W. Lamb, “Real-time object detection in agricul- tural/remote environments using the multiple-expert colour feature extreme learning machine (mec-elm),” Computers in Industry, vol. 98, pp. 183–191, 2018 D. O. Orbes Padilla, “Implementación de un sistema de detección por visión artificial en la etapa de recolección del cultivo de fresas,” Master’s thesis, 2022 E. Huerta, A. Mangiaterra, and G. Noguera, “Gps,” Posicionamiento Satelital, 2005 . L. Alba, J. Cid, and I. Mora, “Métodos de análisis de imágenes,” Extracción de caracterís- ticas, Umbralización. Universidad de Vigo. España, 2006 D. Tzutalin, “Labelimg,” gitCode. [Online]. Available: https://github.com/tzutalin/labelImg D. A. SILVA CARNERO, “Análisis de arquitecturas cnn del estado del arte en el reconoci- miento de actividades por video.” Ph.D. dissertation, Universidad Autónoma de Chihuahua, 2021. D. Nvidia. [Online]. Available: https://developer.nvidia.com/embedded/learn/get-started jetson-nano-devkit#setup |
| dc.rights.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia Atribución-NoComercial-SinDerivadas 2.5 Colombia 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.none.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/11634/47517/1/2022Iv%c3%a1nMedina%2cCamiloMur.pdf https://repository.usta.edu.co/bitstream/11634/47517/3/Carta%20derechos%20de%20Autor.pdf https://repository.usta.edu.co/bitstream/11634/47517/6/Carta%20autorizaci%c3%b3n%20facultad.pdf https://repository.usta.edu.co/bitstream/11634/47517/5/license.txt https://repository.usta.edu.co/bitstream/11634/47517/4/license_rdf https://repository.usta.edu.co/bitstream/11634/47517/7/2022Iv%c3%a1nMedina%2cCamiloMur.pdf.jpg https://repository.usta.edu.co/bitstream/11634/47517/8/Carta%20derechos%20de%20Autor.pdf.jpg https://repository.usta.edu.co/bitstream/11634/47517/9/Carta%20autorizaci%c3%b3n%20facultad.pdf.jpg |
| bitstream.checksum.fl_str_mv |
58054169c8cec57101ea068fa984af62 839cc738c33983e2cf7d9c0668a2cd24 5bfde6c97ff1a255ce54886c7f542075 aedeaf396fcd827b537c73d23464fc27 217700a34da79ed616c2feb68d4c5e06 6c4cf3adc07db54fa516b1240b031eea 258dad6a9f89f77a0532f0f050e08cdd fb96e9ac622b50555f637e39403ff1aa |
| 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@usantotomas.edu.co |
| _version_ |
1782026276842766336 |
| spelling |
Pardo Beainy, Camilo ErnestoGutiérrez Cáceres, Edgar AndrésMedina Saenz, Iván AndrésMur Parra, Camilo AndrésUniversidad Santo Tomas2022-10-05T22:35:17Z2022-10-05T22:35:17Z2022-10-04Medina Saenz Iván Andrés, Mur Parra Camilo Andrés, Diseño e Implementación de Técnicas de Visión Artificial para la Detección y Localización de Frutos.http://hdl.handle.net/11634/47517reponame:Repositorio Institucional Universidad Santo Tomásinstname:Universidad Santo Tomásrepourl:https://repository.usta.edu.coHoy en día calcular o tener presente densidades de frutos en plantaciones con áreas extensas, es una problemática ya que a medida que estas áreas se extienden, se hace más difícil prever cantidades del fruto a estudiar y a su vez limita al agricultor a estar dependiente de sistemas rudimentarios. Por ello se plantea un sistema capaz de identificar frutos y de ubicar cultivos dentro de un cultivo de grandes extensiones, todo ello mediante algoritmos de visión artificial, inteligencia artificial y geo-localización. Este sistema se diseña pensando en mejorar la toma de decisiones por parte de los agricultores y de los especialistas del cultivo de fresa, frente a tiempos de recolección y proyección de cosecha, de esta manera se incrementa la efectividad de producción y calidad del fruto, dando así un impacto sobre el mercado, pudiendo estimar cantidades y tiempos de cosecha, generando así decrementos en el tiempo que tardaría el proceso de conteo de forma manual, con la finalidad de adquirir efectos favorables, se da paso al diseño e implementación de técnicas de visión artificial para la detección y localización de frutos, contemplando que este sistema es totalmente portátil y funcional dentro del campo de trabajo, ya que realiza el pre-procesamiento, procesamiento y pos-procesamiento estando en el cultivo.Today calculate or keep in mind fruit densities in plantations with large areas, is a problem since as these areas spread out, it becomes more difficult to foresee quantities of the fruit to study and in turn limits the farmer to be dependent on systems rudimentary For this reason, a system capable of identifying fruits and locating crops is proposed. within a large-scale crop, all using artificial vision algorithms, artificial intelligence and geolocation. This system is designed with the aim of improving decision making by farmers and of the specialists of the cultivation of strawberries, in front of collection times and harvest projection, of In this way, the efficiency of production and quality of the fruit is increased, thus giving an impact on the market, being able to estimate quantities and harvest times, thus showing decreases in the time that the counting process would take manually, in order to acquire effects favorable, gives way to the design and implementation of artificial vision techniques for the detection and location of fruits, contemplating that this system is totally portable and functional within of the field of work, since it performs the pre-processing, processing and post-processing been in cultivation.Ingeniero ElectronicoPregradoapplication/pdfspaUniversidad Santo TomásPregrado Ingeniería ElectrónicaFacultad de Ingeniería ElectrónicaAtribución-NoComercial-SinDerivadas 2.5 ColombiaAtribución-NoComercial-SinDerivadas 2.5 ColombiaAtribución-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_abf2Diseño e Implementación de Técnicas de Visión Artificial para la Detección y Localización de Frutos.Computer visionPrecision farmingReal-time object detectorGPSJetson nanoArtificial intelligenceGeo-locationVisión por computadoraAgricultura de precisiónDetector de objetos en tiempo realGPSJetson nanoInteligencia artificiaGeo-localizaciónTrabajo de gradoinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisCRAI-USTA TunjaM. Bramuel and M. Jiménez, “Estudio de algoritmos en imágenes para conteo de población del cultivo de banano,” 04 2018.X. Liu, S. W. Chen, S. Aditya, N. Sivakumar, S. Dcunha, C. Qu, C. J. Taylor, J. Das, and V. Kumar, “Robust fruit counting: Combining deep learning, tracking, and structure from motion,” in 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2018, pp. 1045–1052.E. J. Sadgrove, G. Falzon, D. Miron, and D. Lamb, “Fast object detection in pastoral lands- capes using a colour feature extreme learning machine,” Computers and electronics in agri- culture, vol. 139, pp. 204–212, 2017.L. López Mas, “Diseño de un sistema de visión por ordenador para la caracterización del color del tomate (solanum lycopersicum l.),” Ph.D. dissertation, UPC, Escola Superior d’Agricultura de Barcelona, Sep 2017. [Online]. Available: http://hdl.handle.net/2117/108252G. García Bandala et al., “Fenología, calidad y rendimiento de fruto de fresa variedad’el dorado’con fertilización química y orgánica,” B.S. thesis, 2019.J. J. d. Vicente Sugue, “Análisis de algoritmos de detección de características de opencv en raspberry pi,” 2020.A. G. Marcos, F. J. M. de Pisón Ascacíbar, F. A. Elías, M. C. Limas, J. B. O. Meré, E. P. V. González et al., “Técnicas y algoritmos básicos de visión artificial,” Técnicas y Algoritmos Básicos de Visión Artificial, 2006.R. Szeliski, Computer vision: algorithms and applications. Springer Science & Business Media, 2010.J. A. C. Osorio, W. A. Urueña, and J. A. M. Vargas, “Técnicas alternativas para la conversión de imágenes a color a escala de grises en el tratamiento digital de imágenes,” Scientia et technica, vol. 1, no. 47, pp. 207–212, 2011.D. E. Figueroa, E. R. Guerrero et al., “Sistema de visión artificial para la identificación del estado de madurez de frutas (granadilla),” Redes de Ingeniería, vol. 7, no. 1, pp. 78–86, 2016.E. Alegre, G. Pajares, and A. de la Escalera, Conceptos y Métodos en Visión por Computador. Grupo de Visión del Comité Español de Automática, 2016.J. D. A. Hernández, A. F. J. López, and H. O. P. Castro, “Desarrollo de aplicaciones en python para el aprendizaje de física computacional,” Ingeniería Investigación y Desarrollo: I2+ D, vol. 16, no. 1, pp. 72–82, 2016.E. Stein, S. Liu, and J. Sun, “Real-time object detection on an edge device.”A. Borji, M.-M. Cheng, H. Jiang, and J. Li, “Salient object detection: A benchmark,” IEEE transactions on image processing, vol. 24, no. 12, pp. 5706–5722, 2015. 87N. Pellejero, G. L. Grinblat, and L. Uzal, “Análisis semántico en rostros utilizando redes neuronales profundas,” in XVIII Simposio Argentino de Inteligencia Artificial (ASAI)-JAIIO 46 (Córdoba, 2017)., 2017.A. Younis, L. Shixin, S. Jn, and Z. Hai, “Real-time object detection using pre-trained deep learning models mobilenet-ssd,” in Proceedings of 2020 the 6th international conference on computing and data engineering, 2020, pp. 44–48.J. V. Rebaza, “Detección de bordes mediante el algoritmo de canny,” Escuela Académico Profesional di Informática. Universidad Nacional de Trujillo, vol. 4, 2007J. Davis and M. Goadrich, “The relationship between precision-recall and roc curves,” in Proceedings of the 23rd international conference on Machine learning, 2006, pp. 233–240.tesiunam. [Online]. Available: https://tesiunam.dgb.unam.mx/F/ 7Y5JDKUTQS7KRQ3L5GRQ2TLUTIHTJ7VFUGY8B9BYS92PVVKDR3-42638?func= full-set-set&set_number=535566&set_entry=000002&format=002F. Seco, K. Koutsou, F. Ramos, and A. R. Jiménez, “Localización personal en entornos interiores con tecnología rfid,” Revista Iberoamericana de Automática e Informática industrial, vol. 10, no. 3, pp. 313–324, 2013.B. Hofmann-Wellenhof, H. Lichtenegger, and J. Collins, Global positioning system: theory and practice. Springer Science & Business Media, 2012A. Bel, G. Capobianco, U. Chialva, R. Cobiaga, J. A. Del Punta, W. A. Reartes, V. Aja, N. Alonso, S. A. Balda, P. E. Bertacco et al., “La matemática detrás del gps: propuesta didáctica para matemática: Nivel secundario,” 2018.GISGeography. [Online]. Available: https://acolita.com/como-funcionan-los-dispositivos gps-trilateracion-vs-triangulacion/J. James. [Online]. Available: https://world.ubergizmo.com/es/como/aprende-a-leer-las coordenadas-del-gps/C. T. MARIO ALEJANDRO, “Estrategias biológicas para el manejo de enfermedades en el cultivo de fresa (Fragaria spp.),” Revista Colombiana de Ciencias Hortí-colas, vol. 7, pp. 263 – 276, 12 2013. [Online]. Available: http://www.scielo.org.co/scielo.php?script=sci_ arttext&pid=S2011-21732013000200011&nrm=isoT. S. Gunawan, A. Ashraf, B. S. Riza, E. V. Haryanto, R. Rosnelly, M. Kartiwi, and Z. Janin, “Development of video-based emotion recognition using deep learning with google colab,” TELKOMNIKA (Telecommunication Computing Electronics and Control), vol. 18, no. 5, pp. 2463–2471, 2020.A. VISUS. [Online]. Available: https://www.esic.edu/rethink/tecnologia/para-que-sirve pythonL. deCastillo. [Online]. Available: https://www.deltatracking.com/2020/09/01/pasos-a tomar-en-cuenta-para-interpretar-tramas-de-gpsG. Baddeley. [Online]. Available: http://aprs.gids.nl/nmea/#gga.D. Khort, A. Kutyrev, I. Smirnov, V. Osypenko, and N. Kiktev, “Computer vision system for recognizing the coordinates location and ripeness of strawberries,” in International Conference on Data Stream Mining and Processing. Springer, 2020, pp. 334–343E. J. Sadgrove, G. Falzon, D. Miron, and D. W. Lamb, “Real-time object detection in agricul- tural/remote environments using the multiple-expert colour feature extreme learning machine (mec-elm),” Computers in Industry, vol. 98, pp. 183–191, 2018D. O. Orbes Padilla, “Implementación de un sistema de detección por visión artificial en la etapa de recolección del cultivo de fresas,” Master’s thesis, 2022E. Huerta, A. Mangiaterra, and G. Noguera, “Gps,” Posicionamiento Satelital, 2005. L. Alba, J. Cid, and I. Mora, “Métodos de análisis de imágenes,” Extracción de caracterís- ticas, Umbralización. Universidad de Vigo. España, 2006D. Tzutalin, “Labelimg,” gitCode. [Online]. Available: https://github.com/tzutalin/labelImgD. A. SILVA CARNERO, “Análisis de arquitecturas cnn del estado del arte en el reconoci- miento de actividades por video.” Ph.D. dissertation, Universidad Autónoma de Chihuahua, 2021.D. Nvidia. [Online]. Available: https://developer.nvidia.com/embedded/learn/get-started jetson-nano-devkit#setupORIGINAL2022IvánMedina,CamiloMur.pdf2022IvánMedina,CamiloMur.pdfDocumento Principalapplication/pdf22559039https://repository.usta.edu.co/bitstream/11634/47517/1/2022Iv%c3%a1nMedina%2cCamiloMur.pdf58054169c8cec57101ea068fa984af62MD51metadata only accessCarta derechos de Autor.pdfCarta derechos de Autor.pdfCarta Derechos De Autorapplication/pdf387477https://repository.usta.edu.co/bitstream/11634/47517/3/Carta%20derechos%20de%20Autor.pdf839cc738c33983e2cf7d9c0668a2cd24MD53metadata only accessCarta autorización facultad.pdfCarta autorización facultad.pdfCarta autorización Facultadapplication/pdf525032https://repository.usta.edu.co/bitstream/11634/47517/6/Carta%20autorizaci%c3%b3n%20facultad.pdf5bfde6c97ff1a255ce54886c7f542075MD56metadata only accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8807https://repository.usta.edu.co/bitstream/11634/47517/5/license.txtaedeaf396fcd827b537c73d23464fc27MD55open accessCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repository.usta.edu.co/bitstream/11634/47517/4/license_rdf217700a34da79ed616c2feb68d4c5e06MD54open accessTHUMBNAIL2022IvánMedina,CamiloMur.pdf.jpg2022IvánMedina,CamiloMur.pdf.jpgIM Thumbnailimage/jpeg5799https://repository.usta.edu.co/bitstream/11634/47517/7/2022Iv%c3%a1nMedina%2cCamiloMur.pdf.jpg6c4cf3adc07db54fa516b1240b031eeaMD57open accessCarta derechos de Autor.pdf.jpgCarta derechos de Autor.pdf.jpgIM Thumbnailimage/jpeg7657https://repository.usta.edu.co/bitstream/11634/47517/8/Carta%20derechos%20de%20Autor.pdf.jpg258dad6a9f89f77a0532f0f050e08cddMD58open accessCarta autorización facultad.pdf.jpgCarta autorización facultad.pdf.jpgIM Thumbnailimage/jpeg9303https://repository.usta.edu.co/bitstream/11634/47517/9/Carta%20autorizaci%c3%b3n%20facultad.pdf.jpgfb96e9ac622b50555f637e39403ff1aaMD59open access11634/47517oai:repository.usta.edu.co:11634/475172023-05-08 15:05:14.948metadata only accessRepositorio Universidad Santo Tomásrepositorio@usantotomas.edu.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 |