Conteo de flores y frutos para el monitoreo del cultivo de aguacate Hass por medio de imágenes utilizando Machine Learning

El cultivo del aguacate Hass es un producto que ha venido creciendo mucho en Colombia. Se caracteriza por cultivarse en terrenos con elevaciones, una larga vida útil de los árboles, una inversión substancial de largo plazo y una necesidad de soluciones de bajo costo a las cuales realmente se pueda acceder. Debido al terreno, los recorridos físicos son difíciles y examinar todos los árboles en detalle es complejo, por lo que soluciones que permitan monitoreo y seguimiento automático son de gran utilidad, en particular aquellas que sean de bajo costo. En este trabajo se desarrolló una aplicación que permite, por medio de imágenes de baja resolución obtenidas con una cámara de muy bajo costo, hacer un conteo automático de las flores y los frutos en los árboles. Para esto se utilizaron arquitecturas de redes neuronales como YOLOv5 y Faster RCNN-ResNet50, las cuales permiten la detección de objetos dentro de la imagen. En el caso de Faster RCNN la precisión fue muy baja por lo que se descartó, pero YOLOv5 mostró resultados prometedores, logrando una precisión del 80% para los aguacates y 39% para las flores. Con esto se genera información que permite hacer seguimiento a cada árbol para tomar acciones tempranas y corregir mal crecimiento, experimentar con nuevos tratamientos y generar un historial de datos que eventualmente permitirá hacer predicciones del rendimiento.

• Autores: Medina Tobón, Daniel
• Fecha de publicación: 2021
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/52997
• Acceso en línea: http://hdl.handle.net/1992/52997
• Palabra clave: Aguacate; Cultivo; Imágenes de detección a distancia; Innovaciones tecnológicas; Procesamiento de imágenes; Ingeniería
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/