Sistema de seguimiento de crecimiento de cultivo de cannabis utilizando técnicas de visión artificial

La industria agrícola necesita de un control riguroso en sus cultivos para asegurar un estándar adecuado en la calidad en su producto final, y para cumplir con esa necesidad se usan diversas técnicas y herramientas para tratar con esas necesidades. Por esa razón, el objetivo de este trabajo es elaborar una metodología para obtención de una base de datos y construir un programa de entrenamiento con Redes Neuronales Convolucionales (CNN) capaz de detectar enfermedades en plantas de cannabis, tales como Botritis en tapa inicial, intermedia y avanzada, y deficiencias nutricionales provocadas por falta de potasio y magnesio). En adición, se busca crear una interfaz gráfica que permita la carga de imágenes nuevas del cultivo, realice predicciones basadas en el entrenamiento y facilite la toma de decisiones por parte del usuario final acerca de los correctivos para la salud del cultivo.

• Autores: Cala Suárez, José Daniel
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad Autónoma de Bucaramanga - UNAB
• Repositorio: Repositorio UNAB
• Idioma: spa
• OAI Identifier: oai:repository.unab.edu.co:20.500.12749/27540
• Acceso en línea: http://hdl.handle.net/20.500.12749/27540
• Palabra clave: Mechatronic; Diseases; Crop; Deep learning; Computer vision; Convolutional neural networks (CNNs); Semantic segmentation; Transfer learning; Graphical interface; Natural computing; Artificial intelligence; Algorithm; Deep learning (Machine learning); Machine theory; Mecatrónica; Computación natural; Inteligencia artificial; Algoritmo; Aprendizaje profundo (Aprendizaje automático); Teoría de las máquinas; Enfermedades; Cultivo; Cannabis; Aprendizaje profundo; Visión artificial; Redes neuronales convolucionales (CNNs); Segmentación semántica; U-Net; Aprendizaje por transferencia; Interfaz gráfica
• License: http://creativecommons.org/licenses/by-nc-nd/2.5/co/