Clasificación de las estructuras vegetativas presentes en ramas de café usando visión de máquina

El café es una de las principales bebidas a nivel mundial y como producto agrícola requiere herramientas para monitorear y controlar el cultivo de manera no destructiva. En búsqueda de desarrollar sistemas no destructivos que trabajen en campo, en esta tesis se presenta el desarrollo de un sistema para identificar y clasificar seis estructuras vegetativas (hojas, tallos, flores, frutos inmaduros, semi-maduros, y maduros) presentes en las ramas de café. Se adquirieron vı́deos con la cámara posterior de un dispositivo móvil, de 12 ramas de café en condiciones de campo. Por cada vı́deo se seleccionaron los frames con mayor información acerca de la escena. Luego por cada rama se generó una reconstrucción 3D utilizando las técnicas de Structure Form Motion (SFM) y Patch-based Multi-view Stereo (PMVS). Todas las imágenes adquiridas fueron anotadas manualmente y posteriormente una nube de puntos (GroundTruth) fue generada por cada rama. Las nubes de puntos generadas fueron filtradas utilizando un filtrado estadístico de outliers, con el objetivo de eliminar el ruido generado en el proceso de reconstrucción 3D. Los puntos que se encontraban a mayor profundidad se consideraron el fondo de la escena y fueron removidos utilizando un filtro passa-banda. Las nubes de puntos fueron sub-muestreadas mediante un proceso de voxelización, con el objetivo de reducir el número de puntos en un 50 % y por ende reducir el costo computacional de los siguientes procesos. Caracterı́sticas 2D y 3D fueron extraídas de las nubes de puntos, 11 características basadas en los espacios de color RGB, Lab, Luv, YCbCr y HSV, 4 características basadas en curvaturas, y los ı́ndices de forma y curvosidad. Una máquina de vectores de soporte (SVM) fue entrenada con las características previamente encontradas, utilizando 8 ramas para la fase de entrenamiento y 4 para la fase de validación. Los resultados experimentales mostraron una precisión del 0.82 y un recall 0.79, clasificando las diferentes estructuras vegetativas. El sistema propuesto es económico ya que solo se necesita de un dispositivo móvil para la captura de la información; sin embargo, los demás procesos del sistema se realizan de manera offline. Adicionalmente, el sistema desarrollado mostró ser robusto a los cambios de luminosidad presentes durante la captura de los vídeos en campo.

• Autores: Avendaño Pérez, Jonathan
• Fecha de publicación: 2017
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/60900
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/60900; http://bdigital.unal.edu.co/59317/
• Palabra clave: 0 Generalidades / Computer science, information and general works; 6 Tecnología (ciencias aplicadas) / Technology; 63 Agricultura y tecnologías relacionadas / Agriculture; Estructura a partir de movimiento; Agricultura de precisión; Estructuras vegetativas; Visión de Máquina; Café; Características 3D; Nubes de puntos; Structure Form Motion (SFM); Patch-based Multi-view Stereo (PMVS); Ground Truth; Coffee; Vegetative structures; 3D Characteristics; Point cloud
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional