Prototipo móvil funcional para estimar la producción de cacao, haciendo uso de aprendizaje profundo y visión por computador
La detección de objetos aplicada en la agricultura es importante para estimar la producción de un cultivo lo que favorece la certeza en la toma de decisiones por parte de un agricultor. Por consiguiente, el presente proyecto presenta el diseño y desarrollo de una aplicación móvil funcional capaz de...
- Autores:
-
Parra Muñoz, Cristian David
Hernández Flórez, Lisseth Andrea
Cala Pinzón, Karol Daniela
- Tipo de recurso:
- http://purl.org/coar/resource_type/c_f744
- Fecha de publicación:
- 2021
- Institución:
- Universidad Autónoma de Bucaramanga - UNAB
- Repositorio:
- Repositorio UNAB
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unab.edu.co:20.500.12749/20452
- Acceso en línea:
- http://hdl.handle.net/20.500.12749/20452
- Palabra clave:
- Telematics
Information systems
Software engineering
Investigation
Theobroma cacao
Object detection
Count
Estimate
Production
Telemática
Sistemas de información
Ingeniería de software
Investigación
Theobroma cacao
Detección de objetos
Conteo
Estimación
Producción
- Rights
- License
- http://creativecommons.org/licenses/by-nc-nd/2.5/co/
| id |
UNAB2_148232cb0914759e6b7c4e4e66f71c1e |
|---|---|
| oai_identifier_str |
oai:repository.unab.edu.co:20.500.12749/20452 |
| network_acronym_str |
UNAB2 |
| network_name_str |
Repositorio UNAB |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Prototipo móvil funcional para estimar la producción de cacao, haciendo uso de aprendizaje profundo y visión por computador |
| dc.title.translated.spa.fl_str_mv |
Functional mobile prototype to estimate production of cacao, making use of deep learning and computer vision |
| title |
Prototipo móvil funcional para estimar la producción de cacao, haciendo uso de aprendizaje profundo y visión por computador |
| spellingShingle |
Prototipo móvil funcional para estimar la producción de cacao, haciendo uso de aprendizaje profundo y visión por computador Telematics Information systems Software engineering Investigation Theobroma cacao Object detection Count Estimate Production Telemática Sistemas de información Ingeniería de software Investigación Theobroma cacao Detección de objetos Conteo Estimación Producción |
| title_short |
Prototipo móvil funcional para estimar la producción de cacao, haciendo uso de aprendizaje profundo y visión por computador |
| title_full |
Prototipo móvil funcional para estimar la producción de cacao, haciendo uso de aprendizaje profundo y visión por computador |
| title_fullStr |
Prototipo móvil funcional para estimar la producción de cacao, haciendo uso de aprendizaje profundo y visión por computador |
| title_full_unstemmed |
Prototipo móvil funcional para estimar la producción de cacao, haciendo uso de aprendizaje profundo y visión por computador |
| title_sort |
Prototipo móvil funcional para estimar la producción de cacao, haciendo uso de aprendizaje profundo y visión por computador |
| dc.creator.fl_str_mv |
Parra Muñoz, Cristian David Hernández Flórez, Lisseth Andrea Cala Pinzón, Karol Daniela |
| dc.contributor.author.none.fl_str_mv |
Parra Muñoz, Cristian David Hernández Flórez, Lisseth Andrea Cala Pinzón, Karol Daniela |
| dc.contributor.cvlac.spa.fl_str_mv |
Parra Muñoz, Cristian David [0001784556] |
| dc.contributor.researchgroup.spa.fl_str_mv |
Semilleros de Investigación UNAB |
| dc.subject.keywords.spa.fl_str_mv |
Telematics Information systems Software engineering Investigation Theobroma cacao Object detection Count Estimate Production |
| topic |
Telematics Information systems Software engineering Investigation Theobroma cacao Object detection Count Estimate Production Telemática Sistemas de información Ingeniería de software Investigación Theobroma cacao Detección de objetos Conteo Estimación Producción |
| dc.subject.lemb.spa.fl_str_mv |
Telemática Sistemas de información Ingeniería de software Investigación |
| dc.subject.proposal.spa.fl_str_mv |
Theobroma cacao Detección de objetos Conteo Estimación Producción |
| description |
La detección de objetos aplicada en la agricultura es importante para estimar la producción de un cultivo lo que favorece la certeza en la toma de decisiones por parte de un agricultor. Por consiguiente, el presente proyecto presenta el diseño y desarrollo de una aplicación móvil funcional capaz de estimar la producción de cacao, implementando técnicas de visión por computador y aprendizaje profundo. La aplicación planteada hace uso de una cámara de un dispositivo móvil Android. Asimismo, los elementos presentes en el sistema consideran un modelo aprendizaje de máquina entrenado, un conjunto de datos, y tecnologías que apoyan el proceso de desarrollo de software. Los resultados obtenidos dejan la evaluación de 8 modelos, donde se determina la incidencia de variables asociadas al balanceo sobre la precisión en la detección. Finalmente, el mejor modelo obtiene un mAP de 80.09%, y se logra desarrollar una aplicación móvil que funciona como un sistema de alerta temprana. |
| publishDate |
2021 |
| dc.date.issued.none.fl_str_mv |
2021-11 |
| dc.date.accessioned.none.fl_str_mv |
2023-07-06T14:36:48Z |
| dc.date.available.none.fl_str_mv |
2023-07-06T14:36:48Z |
| dc.type.eng.fl_str_mv |
Conference |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/conferenceProceedings |
| dc.type.local.spa.fl_str_mv |
Memoria de eventos |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_f744 |
| dc.type.hasversion.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/EC_AC |
| format |
http://purl.org/coar/resource_type/c_f744 |
| status_str |
acceptedVersion |
| dc.identifier.issn.spa.fl_str_mv |
ISSN 2344-7079 |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.12749/20452 |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional UNAB |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.unab.edu.co |
| identifier_str_mv |
ISSN 2344-7079 instname:Universidad Autónoma de Bucaramanga - UNAB reponame:Repositorio Institucional UNAB repourl:https://repository.unab.edu.co |
| url |
http://hdl.handle.net/20.500.12749/20452 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.ispartofseries.spa.fl_str_mv |
Generación Creativa : Encuentro de Semilleros de Investigación UNAB |
| dc.relation.uri.spa.fl_str_mv |
http://hdl.handle.net/20.500.12749/20335 |
| dc.relation.references.spa.fl_str_mv |
AlexeyAB/darknet: YOLOv4 / Scaled-YOLOv4 / YOLO - Neural Networks for Object Detection (Windows and Linux version of Darknet). (2020). Retrieved May 5, 2021, from https://github.com/AlexeyAB/darknet Buzzy, M., Thesma, V., Davoodi, M., & Velni, J. M. (2020). Real-Time Plant Leaf Counting Using Deep Object Detection Networks. Sensors 2020, Vol. 20, Page 6896, 20(23), 6896. https://doi.org/10.3390/S20236896 FAOSTAT. (n.d.). Retrieved April 13, 2021, from http://www.fao.org/faostat/en/#data/QC /metadata Fedecacao. (2005). CARACTERIZACIÓN FISÍCOQUÍMICA Y BENEFICIO DEL GRANO DE CACAO (Theobroma cacao L.) EN COLOMBIA. https://www.fedecacao.com.co/portal/i mages/recourses/pub_doctecnicos/fe decacao-pub-doc_09B.pdf Serrano, S., & Heredia Gómez, J. F. (2020). Cocoa Diseases (YOLOv4). https://www.kaggle.com/serranosebas/e nfermedades-cacao-yolov4 Koirala, A., Walsh, K. B., Wang, Z., & McCarthy, C. (2019). Deep learning for real-time fruit detection and orchard fruit load estimation: benchmarking of ‘MangoYOLO.’ Precision Agriculture, 20(6), 1107–1135. https://doi.org/10.1007/s11119- 019-09642-0 Vasconez, J. P., Delpiano, J., Vougioukas, S., & Auat Cheein, F. (2020). Comparison of convolutional neural networks in fruit detection and counting: A comprehensive evaluation. Computers and Electronics in Agriculture, 173, 105348. https://doi.org/10.1016/J.COMPAG.2020.10534 8 Zhou, Z., Song, Z., Fu, L., Gao, F., Li, R., & Cui, Y. (2020). Real-time kiwifruit detection in orchard using deep learning on AndroidTM smartphones for yield estimation. Computers and Electronics in Agriculture, 179, 105856. https://doi.org/10.1016/j.compag.2020.105856 |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| 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.creativecommons.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) Atribución-NoComercial-SinDerivadas 2.5 Colombia http://purl.org/coar/access_right/c_abf2 |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.spatial.spa.fl_str_mv |
Bucaramanga (Santander, Colombia) |
| dc.coverage.temporal.spa.fl_str_mv |
2021 |
| dc.coverage.campus.spa.fl_str_mv |
UNAB Campus Bucaramanga |
| dc.publisher.grantor.spa.fl_str_mv |
Universidad Autónoma de Bucaramanga UNAB |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad Ingeniería |
| dc.publisher.program.spa.fl_str_mv |
Pregrado Ingeniería de Sistemas |
| dc.publisher.deparment.spa.fl_str_mv |
Sistema de Investigación SIUNAB |
| dc.source.spa.fl_str_mv |
Parra, C. D., Hernández, L. A. & Cala, K. D. (2021). Prototipo móvil funcional para estimar la producción de cacao, haciendo uso de aprendizaje profundo y visión por computador. Recuperado de: http://hdl.handle.net/20.500.12749/20452. |
| institution |
Universidad Autónoma de Bucaramanga - UNAB |
| bitstream.url.fl_str_mv |
https://repository.unab.edu.co/bitstream/20.500.12749/20452/1/2021_Articulo_Cala_Pinzon_Karol_Daniela.pdf https://repository.unab.edu.co/bitstream/20.500.12749/20452/2/license.txt https://repository.unab.edu.co/bitstream/20.500.12749/20452/3/2021_Articulo_Cala_Pinzon_Karol_Daniela.pdf.jpg |
| bitstream.checksum.fl_str_mv |
e0393b644929289f41efa1d5cf98f86a 3755c0cfdb77e29f2b9125d7a45dd316 a5c17eca0b8d058e116b390acb57fbbf |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional | Universidad Autónoma de Bucaramanga - UNAB |
| repository.mail.fl_str_mv |
repositorio@unab.edu.co |
| _version_ |
1814277291548606464 |
| spelling |
Parra Muñoz, Cristian David7d83a3c8-0c4b-4aae-af51-941e4d2d1931Hernández Flórez, Lisseth Andrea820855b6-6765-4cc5-88b3-c79f3912b112Cala Pinzón, Karol Daniela93e1f6ba-e4ec-40ed-8c4c-164f7fb8c26fParra Muñoz, Cristian David [0001784556]Semilleros de Investigación UNABBucaramanga (Santander, Colombia)2021UNAB Campus Bucaramanga2023-07-06T14:36:48Z2023-07-06T14:36:48Z2021-11ISSN 2344-7079http://hdl.handle.net/20.500.12749/20452instname:Universidad Autónoma de Bucaramanga - UNABreponame:Repositorio Institucional UNABrepourl:https://repository.unab.edu.coLa detección de objetos aplicada en la agricultura es importante para estimar la producción de un cultivo lo que favorece la certeza en la toma de decisiones por parte de un agricultor. Por consiguiente, el presente proyecto presenta el diseño y desarrollo de una aplicación móvil funcional capaz de estimar la producción de cacao, implementando técnicas de visión por computador y aprendizaje profundo. La aplicación planteada hace uso de una cámara de un dispositivo móvil Android. Asimismo, los elementos presentes en el sistema consideran un modelo aprendizaje de máquina entrenado, un conjunto de datos, y tecnologías que apoyan el proceso de desarrollo de software. Los resultados obtenidos dejan la evaluación de 8 modelos, donde se determina la incidencia de variables asociadas al balanceo sobre la precisión en la detección. Finalmente, el mejor modelo obtiene un mAP de 80.09%, y se logra desarrollar una aplicación móvil que funciona como un sistema de alerta temprana.This project presents the design and development of a functional mobile application capable of estimating cocoa production based on computer vision and deep learning techniques. Object detection in agriculture is essential to estimate production in a crop because it increases the confidence in decision-making by a farmer. This work performs cocoa pods estimation considering three sanitary labels, Monilia, Phytophthora, or completely healthy. The following application implements an Android mobile device camera. The elements existing in the system contain an object detection model, a dataset, and technologies that support the software development process. This work addresses a literature review to explore techniques, technologies, and metrics associated with computer vision. Subsequently, a selection of an image dataset is made to train a deep learning model, setting up parameters and hyperparameters. Consequently, a design and development of a mobile prototype are proposed to detect, classify, and localize cocoa pods with their respective health status. It returns the estimated value of production given in kilograms of dry cocoa beans, considering the variety indicated by the user. The results show the evaluation of 8 models, where the best one obtains a mAP of 80.09%, and the incidence of variables associated with the balancing on the accuracy is determined.Modalidad Presencialapplication/pdfspaGeneración Creativa : Encuentro de Semilleros de Investigación UNABhttp://hdl.handle.net/20.500.12749/20335AlexeyAB/darknet: YOLOv4 / Scaled-YOLOv4 / YOLO - Neural Networks for Object Detection (Windows and Linux version of Darknet). (2020). Retrieved May 5, 2021, from https://github.com/AlexeyAB/darknetBuzzy, M., Thesma, V., Davoodi, M., & Velni, J. M. (2020). Real-Time Plant Leaf Counting Using Deep Object Detection Networks. Sensors 2020, Vol. 20, Page 6896, 20(23), 6896. https://doi.org/10.3390/S20236896FAOSTAT. (n.d.). Retrieved April 13, 2021, from http://www.fao.org/faostat/en/#data/QC /metadataFedecacao. (2005). CARACTERIZACIÓN FISÍCOQUÍMICA Y BENEFICIO DEL GRANO DE CACAO (Theobroma cacao L.) EN COLOMBIA. https://www.fedecacao.com.co/portal/i mages/recourses/pub_doctecnicos/fe decacao-pub-doc_09B.pdfSerrano, S., & Heredia Gómez, J. F. (2020). Cocoa Diseases (YOLOv4). https://www.kaggle.com/serranosebas/e nfermedades-cacao-yolov4Koirala, A., Walsh, K. B., Wang, Z., & McCarthy, C. (2019). Deep learning for real-time fruit detection and orchard fruit load estimation: benchmarking of ‘MangoYOLO.’ Precision Agriculture, 20(6), 1107–1135. https://doi.org/10.1007/s11119- 019-09642-0Vasconez, J. P., Delpiano, J., Vougioukas, S., & Auat Cheein, F. (2020). Comparison of convolutional neural networks in fruit detection and counting: A comprehensive evaluation. Computers and Electronics in Agriculture, 173, 105348. https://doi.org/10.1016/J.COMPAG.2020.10534 8Zhou, Z., Song, Z., Fu, L., Gao, F., Li, R., & Cui, Y. (2020). Real-time kiwifruit detection in orchard using deep learning on AndroidTM smartphones for yield estimation. Computers and Electronics in Agriculture, 179, 105856. https://doi.org/10.1016/j.compag.2020.105856http://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)Atribución-NoComercial-SinDerivadas 2.5 Colombiahttp://purl.org/coar/access_right/c_abf2Parra, C. D., Hernández, L. A. & Cala, K. D. (2021). Prototipo móvil funcional para estimar la producción de cacao, haciendo uso de aprendizaje profundo y visión por computador. Recuperado de: http://hdl.handle.net/20.500.12749/20452.Prototipo móvil funcional para estimar la producción de cacao, haciendo uso de aprendizaje profundo y visión por computadorFunctional mobile prototype to estimate production of cacao, making use of deep learning and computer visionConferenceinfo:eu-repo/semantics/conferenceProceedingsMemoria de eventoshttp://purl.org/coar/resource_type/c_f744info:eu-repo/semantics/acceptedVersionhttp://purl.org/redcol/resource_type/EC_ACUniversidad Autónoma de Bucaramanga UNABFacultad IngenieríaPregrado Ingeniería de SistemasSistema de Investigación SIUNABTelematicsInformation systemsSoftware engineeringInvestigationTheobroma cacaoObject detectionCountEstimateProductionTelemáticaSistemas de informaciónIngeniería de softwareInvestigaciónTheobroma cacaoDetección de objetosConteoEstimaciónProducciónORIGINAL2021_Articulo_Cala_Pinzon_Karol_Daniela.pdf2021_Articulo_Cala_Pinzon_Karol_Daniela.pdfArtículoapplication/pdf1148398https://repository.unab.edu.co/bitstream/20.500.12749/20452/1/2021_Articulo_Cala_Pinzon_Karol_Daniela.pdfe0393b644929289f41efa1d5cf98f86aMD51open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8829https://repository.unab.edu.co/bitstream/20.500.12749/20452/2/license.txt3755c0cfdb77e29f2b9125d7a45dd316MD52open accessTHUMBNAIL2021_Articulo_Cala_Pinzon_Karol_Daniela.pdf.jpg2021_Articulo_Cala_Pinzon_Karol_Daniela.pdf.jpgIM Thumbnailimage/jpeg10065https://repository.unab.edu.co/bitstream/20.500.12749/20452/3/2021_Articulo_Cala_Pinzon_Karol_Daniela.pdf.jpga5c17eca0b8d058e116b390acb57fbbfMD53open access20.500.12749/20452oai:repository.unab.edu.co:20.500.12749/204522023-07-06 22:00:23.007open accessRepositorio Institucional | Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.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 |