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 a...
- Autores:
-
Medina Tobón, Daniel
- Tipo de recurso:
- 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/
| id |
UNIANDES2_640f6eb01fa3b79f1a0d3bbfd7a30251 |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/52997 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Conteo de flores y frutos para el monitoreo del cultivo de aguacate Hass por medio de imágenes utilizando Machine Learning |
| title |
Conteo de flores y frutos para el monitoreo del cultivo de aguacate Hass por medio de imágenes utilizando Machine Learning |
| spellingShingle |
Conteo de flores y frutos para el monitoreo del cultivo de aguacate Hass por medio de imágenes utilizando Machine Learning Aguacate Cultivo Imágenes de detección a distancia Innovaciones tecnológicas Procesamiento de imágenes Ingeniería |
| title_short |
Conteo de flores y frutos para el monitoreo del cultivo de aguacate Hass por medio de imágenes utilizando Machine Learning |
| title_full |
Conteo de flores y frutos para el monitoreo del cultivo de aguacate Hass por medio de imágenes utilizando Machine Learning |
| title_fullStr |
Conteo de flores y frutos para el monitoreo del cultivo de aguacate Hass por medio de imágenes utilizando Machine Learning |
| title_full_unstemmed |
Conteo de flores y frutos para el monitoreo del cultivo de aguacate Hass por medio de imágenes utilizando Machine Learning |
| title_sort |
Conteo de flores y frutos para el monitoreo del cultivo de aguacate Hass por medio de imágenes utilizando Machine Learning |
| dc.creator.fl_str_mv |
Medina Tobón, Daniel |
| dc.contributor.advisor.none.fl_str_mv |
Núñez Castro, Haydemar María |
| dc.contributor.author.none.fl_str_mv |
Medina Tobón, Daniel |
| dc.contributor.jury.none.fl_str_mv |
Lozano Garzón, Carlos Andrés Giraldo Trujillo, Luis Felipe |
| dc.subject.armarc.none.fl_str_mv |
Aguacate Cultivo Imágenes de detección a distancia Innovaciones tecnológicas Procesamiento de imágenes |
| topic |
Aguacate Cultivo Imágenes de detección a distancia Innovaciones tecnológicas Procesamiento de imágenes Ingeniería |
| dc.subject.themes.none.fl_str_mv |
Ingeniería |
| description |
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. |
| publishDate |
2021 |
| dc.date.accessioned.none.fl_str_mv |
2021-11-03T16:08:54Z |
| dc.date.available.none.fl_str_mv |
2021-11-03T16:08:54Z |
| dc.date.issued.none.fl_str_mv |
2021 |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/52997 |
| dc.identifier.pdf.none.fl_str_mv |
25255.pdf |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad de los Andes |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Séneca |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
| url |
http://hdl.handle.net/1992/52997 |
| identifier_str_mv |
25255.pdf instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.none.fl_str_mv |
54 páginas |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad de los Andes |
| dc.publisher.program.none.fl_str_mv |
Maestría en Ingeniería de Información |
| dc.publisher.faculty.none.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.department.none.fl_str_mv |
Departamento de Ingeniería de Sistemas y Computación |
| publisher.none.fl_str_mv |
Universidad de los Andes |
| institution |
Universidad de los Andes |
| bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/0f02e560-2ece-4165-a819-215bc31dcd1f/download https://repositorio.uniandes.edu.co/bitstreams/a01d0348-0e9a-44c4-9e2f-53d25e748e42/download https://repositorio.uniandes.edu.co/bitstreams/21ad0f50-0c50-4b0a-ae0b-7c907a5d7caa/download |
| bitstream.checksum.fl_str_mv |
7761a8a4222cbc0889d59bf59563497b 4c4235766e324aec13980c478bf98862 46ea2ffea80490b2fcd504c8a4535b17 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional Séneca |
| repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
| _version_ |
1812134036063125504 |
| spelling |
Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Núñez Castro, Haydemar Maríae7771691-225a-47f5-be36-32caf6da48ad400Medina Tobón, Daniele41e752b-68e9-4aa9-9792-8c39003197d9500Lozano Garzón, Carlos AndrésGiraldo Trujillo, Luis Felipe2021-11-03T16:08:54Z2021-11-03T16:08:54Z2021http://hdl.handle.net/1992/5299725255.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/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.The Hass avocado crop is a product that has been growing in Colombia. It is characterized for growing in sloped terrain, a long tree life, a long term investment and a need for low cost solutions. Due to the terrain, manual monitoring is complicated and examining every tree in detail very time consuming. So, solutions that allow for automatic monitoring can be very useful, specially those with a low cost. This project developed an application that, using low resolution images obtained with a low cost camera, allows an automatic count of flowers and avocados in the trees. In order to achieve this, neural network arquitectures like YOLOv5 and Faster RCNN-ResNet50 were used as they can detect objects in images. In the case of Faster RCNN the precision was very low and it was not used, however YOLOv5 showed promising results, achieving a precision of 80% for avocados and 39% for flowers. With this automatic count, a detailed monitoring of each tree can be done in order to take early actions, experiment new treatments and generate historic data that can lead to yield predictions.Magíster en Ingeniería de InformaciónMaestría54 páginasapplication/pdfspaUniversidad de los AndesMaestría en Ingeniería de InformaciónFacultad de IngenieríaDepartamento de Ingeniería de Sistemas y ComputaciónConteo de flores y frutos para el monitoreo del cultivo de aguacate Hass por medio de imágenes utilizando Machine LearningTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesishttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TMAguacateCultivoImágenes de detección a distanciaInnovaciones tecnológicasProcesamiento de imágenesIngeniería201920345PublicationORIGINAL25255.pdfapplication/pdf2155363https://repositorio.uniandes.edu.co/bitstreams/0f02e560-2ece-4165-a819-215bc31dcd1f/download7761a8a4222cbc0889d59bf59563497bMD51TEXT25255.pdf.txt25255.pdf.txtExtracted texttext/plain87453https://repositorio.uniandes.edu.co/bitstreams/a01d0348-0e9a-44c4-9e2f-53d25e748e42/download4c4235766e324aec13980c478bf98862MD54THUMBNAIL25255.pdf.jpg25255.pdf.jpgIM Thumbnailimage/jpeg11814https://repositorio.uniandes.edu.co/bitstreams/21ad0f50-0c50-4b0a-ae0b-7c907a5d7caa/download46ea2ffea80490b2fcd504c8a4535b17MD551992/52997oai:repositorio.uniandes.edu.co:1992/529972023-10-10 19:08:14.131http://creativecommons.org/licenses/by-nc-nd/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co |