Estimación de fenotipos de plántulas de maíz a partir de nubes de puntos adquiridas en ambiente controlado

La fenotificación o estimación de rasgos morfológicos en plántulas, mediante técnicas se miautomáticas, es cada vez más relevante en los estudios de valoración de genotipos a nivel de órganos, consiguiendo tener un análisis más preciso de las características de ca da planta en ambientes controlados,...

Full description

Autores:
Betancourt Lozano, Juan Jose
Tipo de recurso:
Fecha de publicación:
2022
Institución:
Universidad de Ibagué
Repositorio:
Repositorio Universidad de Ibagué
Idioma:
spa
OAI Identifier:
oai:repositorio.unibague.edu.co:20.500.12313/3787
Acceso en línea:
https://hdl.handle.net/20.500.12313/3787
Palabra clave:
Segmentación de órganos
Estimación de fenotipos
Base de datos 3D
Plántulas de maíz
Aprendizaje de maquinas
Filtrado de nubes de puntos
Organ segmentation
Phenotype estimation
3D database
Maize seedling
Machine learning
Point cloud filtering
Rights
openAccess
License
http://purl.org/coar/access_right/c_abf2
id UNIBAGUE2_2ae8570d06e682cdd3ab8e6c0117bba6
oai_identifier_str oai:repositorio.unibague.edu.co:20.500.12313/3787
network_acronym_str UNIBAGUE2
network_name_str Repositorio Universidad de Ibagué
repository_id_str
dc.title.spa.fl_str_mv Estimación de fenotipos de plántulas de maíz a partir de nubes de puntos adquiridas en ambiente controlado
title Estimación de fenotipos de plántulas de maíz a partir de nubes de puntos adquiridas en ambiente controlado
spellingShingle Estimación de fenotipos de plántulas de maíz a partir de nubes de puntos adquiridas en ambiente controlado
Segmentación de órganos
Estimación de fenotipos
Base de datos 3D
Plántulas de maíz
Aprendizaje de maquinas
Filtrado de nubes de puntos
Organ segmentation
Phenotype estimation
3D database
Maize seedling
Machine learning
Point cloud filtering
title_short Estimación de fenotipos de plántulas de maíz a partir de nubes de puntos adquiridas en ambiente controlado
title_full Estimación de fenotipos de plántulas de maíz a partir de nubes de puntos adquiridas en ambiente controlado
title_fullStr Estimación de fenotipos de plántulas de maíz a partir de nubes de puntos adquiridas en ambiente controlado
title_full_unstemmed Estimación de fenotipos de plántulas de maíz a partir de nubes de puntos adquiridas en ambiente controlado
title_sort Estimación de fenotipos de plántulas de maíz a partir de nubes de puntos adquiridas en ambiente controlado
dc.creator.fl_str_mv Betancourt Lozano, Juan Jose
dc.contributor.advisor.none.fl_str_mv Forero Vargas, Manuel Guillermo
Murcia Moreno, Harold Fabian
dc.contributor.author.none.fl_str_mv Betancourt Lozano, Juan Jose
dc.subject.proposal.spa.fl_str_mv Segmentación de órganos
Estimación de fenotipos
Base de datos 3D
Plántulas de maíz
Aprendizaje de maquinas
Filtrado de nubes de puntos
topic Segmentación de órganos
Estimación de fenotipos
Base de datos 3D
Plántulas de maíz
Aprendizaje de maquinas
Filtrado de nubes de puntos
Organ segmentation
Phenotype estimation
3D database
Maize seedling
Machine learning
Point cloud filtering
dc.subject.proposal.eng.fl_str_mv Organ segmentation
Phenotype estimation
3D database
Maize seedling
Machine learning
Point cloud filtering
description La fenotificación o estimación de rasgos morfológicos en plántulas, mediante técnicas se miautomáticas, es cada vez más relevante en los estudios de valoración de genotipos a nivel de órganos, consiguiendo tener un análisis más preciso de las características de ca da planta en ambientes controlados, permitiendo de esta manera encontrar las mejores variedades. Así, en este trabajo se presenta una técnica semiautomática para la segmen tación de órganos de plántulas de maíz y la estimación de características fenotípicas a nivel poblacional, individual y de órganos. Para ello, se utilizó una plataforma LiDAR construida previamente por otro miembro del proyecto y la base de datos obtenida en dicho trabajo como punto de partida. Mediante pruebas experimentales, se estableció un protocolo de adquisición para mejorar la calidad de los datos obtenidos por la plataforma, el cual se utilizó para aumentar la base de datos existente. Luego, se realizó un estudio comparativo de filtros empleados para la eliminación de ruido en nubes de puntos con el fin de mejorar la calidad de la base de datos. Posteriormente, empleando técnicas de aprendizaje de maquinas clásico y procesamiento de imágenes, se realizó la segmentación del tallo de la planta y la identificación de cada hoja. Los resultados obtenidos arrojaron una exactitud del 85.71 % en la segmentación del tallo, 85.50 % en el conteo de hojas y 70.11 % en la identificación de hojas. Por último, se obtuvieron algunos fenotipos del maíz que se encuentran en la literatura y se analizaron a nivel poblacional (altura promedio y cantidad de hojas promedio), individual (altura, área foliar, ángulo de inclinación y volumen) y de órganos (largo, ancho, ángulo de inclinación y volumen).
publishDate 2022
dc.date.issued.none.fl_str_mv 2022
dc.date.accessioned.none.fl_str_mv 2023-08-23T22:28:15Z
dc.date.available.none.fl_str_mv 2023-08-23T22:28:15Z
dc.type.none.fl_str_mv Trabajo de grado - Maestría
dc.type.content.none.fl_str_mv Text
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.redcol.none.fl_str_mv http://purl.org/redcol/resource_type/TM
dc.type.version.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
status_str acceptedVersion
dc.identifier.citation.none.fl_str_mv Betancourt Lozano, J.J. (2022). Estimación de fenotipos de plántulas de maíz a partir de nubes de puntos adquiridas en ambiente controlado. [Tesis Maestría, Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/3787
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12313/3787
identifier_str_mv Betancourt Lozano, J.J. (2022). Estimación de fenotipos de plántulas de maíz a partir de nubes de puntos adquiridas en ambiente controlado. [Tesis Maestría, Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/3787
url https://hdl.handle.net/20.500.12313/3787
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.references.none.fl_str_mv K. Academy, “La ley de la segregación (artículo),” 2022. [Online]. Available: https://n9.cl/oa3wo
F. Serrano, J. Saumell, and F. Berenguer, “Análisis de resultados métricos de una nube de puntos y una medición directa en el patrimonio edificado. El Santuario de La Montaña en Cáceres,” Informes de la Construcción, vol. 66, no. 534, pp. e016– e016, Jun. 2014, number: 534. [Online]. Available: https://informesdelaconstruccion. revistas.csic.es/index.php/informesdelaconstruccion/article/view/3244
Geocom, “Nube de puntos: Registro, referenciación y georreferenciación.” [Online]. Available: https://n9.cl/8d36y
Z. C. Impresora 3D Bogotá Creality, Artillery, “Escáner 3D - Shining 3D einscan PRO HD,” 2020. [Online]. Available: https://n9.cl/q3c4p
C. Cano Olivera, “Telémetro láser 3d con sensor hokuyo utm-30lx,” Tesis de pregrado, Universidad Carlos III de Madrid, Madrid, Españá, 2010.
S. Electronics, “Sick 1091423 LMS4111R-13000 2D LiDAR Sensor,” 2021. [Online]. Available: https://n9.cl/aix2x
X.-F. Han, J. S. Jin, M.-J. Wang, W. Jiang, L. Gao, and L. Xiao, “A review of algorithms for filtering the 3D point cloud,” Signal Processing: Image Communication, vol. 57, pp. 103–112, Sep. 2017. [Online]. Available: https://www.sciencedirect.com/science/article/pii/S0923596517300930
Scikit-learn, “2.1. Gaussian mixture models,” 2020. [Online]. Available: https: //n9.cl/dp82y
schichtwerkstatt.de, “Shining 3D EinScan-Pro 2X v2,” 2020. [Online]. Available: https://n9.cl/5qmoi
D. Castro Mendez, “Análisis morfológico tridimensional de plantas a partir de imá genes 3d de alta resolución en condiciones de laboratorio,” Tesis de maestría, Uni versidad de Ibagué, Ibagué, Colombia, 2022
M. Weinmann, Reconstruction and analysis of 3D scenes. Springer, 2016, vol. 1.
F. G. M. Abril, A. F. M. Martin, and J. M. O. Díaz, “Crecimiento poblacional y políticas públicas,” Apuntes del CENES, vol. 27, no. 44, pp. 149–162, 2007.
C. Vega, “Crecimiento poblacional, consumismo y medio ambiente,” Revista de los estudiantes deficiencias forestales Universidad Nacional Agraria La Molina, p. 72, 2008.
L.-T. Pan, “Vejez y envejecimiento en china,” Estudios de Asia y África, vol. 52, no. 2, pp. 459–470, 2017.
J. M. H. Hasbun and J. C. H. Hasbun, “Estudio de factibilidad del proyecto de producción de metarhizium anisopliae para la fundación hondureña de investigación agrícola (fhia).” 2023.
D. P. V. Ramírez and N. L. S. Crúz, “Evolución e impacto del crédito del sector agrícola en honduras en el período 2000-2015,” 2023.
M. A. Montoya and L. Hernández-Adame, “Problematización de la investigación en nanotecnología agrícola y alimentaria en el marco de la nueva política de ciencia, tecnología e innovación en méxico,” Mundo Nano. Revista Interdisciplinaria en Na nociencias y Nanotecnología, vol. 16, no. 30, pp. 1e–24e, 20
noticias, “En el 2018, el 82 % del maíz en Colombia se importó,” Jun. 2019. [Online]. Available: https://n9.cl/6ntqv
“Federación nacional de cultivadores de cereales y leguminosas – FENALCE, 22 de junio de 2018,” Mar. 2022. [Online]. Available: https://n9.cl/5bw4l
I. P. Almeida and P. J. G. Mendoza, “Aportes de la biotecnología al mejoramiento del maíz,” Revista Peruana de Innovación Agraria-ISSN: 2810-8876 (En línea), vol. 1, no. 1, pp. 130–150, 2021.
S. Thapa, F. Zhu, H. Walia, H. Yu, and Y. Ge, “A Novel LiDAR-Based Instrument for High-Throughput, 3D Measurement of Morphological Traits in Maize and Sorghum,” Sensors, vol. 18, no. 4, p. 1187, Apr. 2018, number: 4 Publisher: Multidisciplinary Digital Publishing Institute. [Online]. Available: https://www.mdpi.com/1424-8220/18/4/1187
R. F. McCormick, S. K. Truong, and J. E. Mullet, “3D Sorghum Reconstructions from Depth Images Identify QTL Regulating Shoot Architecture,” Plant Physiology, vol. 172, no. 2, pp. 823–834, Oct. 2016. [Online]. Available: https://doi.org/10.1104/pp.16.00948
U. Nations, “Población | Naciones Unidas,” 2019, publisher: United Nations. [Online]. Available: https://n9.cl/0w04k
R. M. Ortega, “Cereales de grano completo y sus beneficios sanitarios,” NUTRICION HOSPITALARIA, no. 1, pp. 25–31, Jul. 2015. [Online]. Available: https://doi.org/10.3305/nh.2015.32.sup1.9475
Statista, “Cereales: consumo mundial 2015-2022,” Nov. 2021. [Online]. Available: https://n9.cl/b0r16
FAO, “Nota informativa de la FAO sobre la oferta y la demanda de cereales | Situación Alimentaria Mundial | Organización de las Naciones Unidas para la Alimentación y la Agricultura,” Dec. 2021. [Online]. Available: https://n9.cl/4bwoz
mundo PMMI, “Nace el primer Instituto Latinoamericano de Cereales, ILCereales,” Sep. 2022. [Online]. Available: https://n9.cl/eli1x
C. Fajardo and N. Prieto, “Análisis de la producción, exportación e importación de productos como el arroz y el maíz en colombia entre los años 2013 y 2018,” Trabajo de grado, Universitaria Agustiniana). Recuperado de: https://repositorio. uniagustinia na. edu. co/bitstream/handle/123456789/1283/FajardoSalama nca-ChristianDavid 2020. pdf, 202
M. D. de Cadenas Agricolas y Forestales, “Maíz,” 2019. [Online]. Available: https://sioc.minagricultura.gov.co/AlimentosBalanceados/Documentos/ 2019-03-30%20Cifras%20Sectoriales%20MaÃŋz.pdf
A. Z. Quinchía, “Maíz, trigo y soya, ¿por qué Colombia no es autosuficiente?” Oct. 2021. [Online]. Available: https://n9.cl/k0ncs
E. L. R. S.A.S, “La mayor parte de la tierra que es cultivable a nivel mundial está en América Latina,” May 2022. [Online]. Available: :https://n9.cl/fb4w2
O. de las Naciones Unidas para la Alimentación y la Agricultura, “La agricultura de América Latina ante desaceleración económica,” Nov. 2012. [Online]. Available: https://n9.cl/qzftc
B. Govaerts, D. Vega, X. Chávez, L. Narro, F. M. San Vicente, N. Palacios, M. Pérez, G. González, P. Ortega, A. Carvajal, A. L. Arcos, J. Bolaños, N. Romero, J. Bolaños, Y. F. Vanegas, R. G. Echeverria, A. Jarvis, D. Jiménez, J. Ramírez-Villegas, W. Kropff, C. E. González, C. Navarro-Racines, L. Ordóñez, S. D. Prager, and J. Tapasco, Maíz para Colombia Visión 2030. CIMMYT, 2019, accepted: 2019-08-28T20:07:29Z. [Online]. Available: https://n9.cl/dpcyn
L. A. Oñate Zúñiga, “Duración de las etapas fenológicas y profundidad radicular del cultivo de maíz (Zea mays) var. Blanco harinoso criollo, bajo las condiciones climáticas del cantón Cevallos,” Tesis de pregrado, Universidad Técnica de Ambato, Cevallos, Ecuador, 2016, accepted: 2016-01-26T20:18:19Z. [Online]. Available: https://repositorio.uta.edu.ec:8443/jspui/handle/123456789/18305
S. Chaivivatrakul, L. Tang, M. N. Dailey, and A. D. Nakarmi, “Automatic morpho logical trait characterization for corn plants via 3D holographic reconstruction,” Computers and Electronics in Agriculture, vol. 109, pp. 109–123, Nov. 2014. [Online]. Available: https://www.sciencedirect.com/science/article/pii/S0168169914002191
N. Fahlgren, M. A. Gehan, and I. Baxter, “Lights, camera, action: high throughput plant phenotyping is ready for a close-up,” Current Opinion in Plant Biology, vol. 24, pp. 93–99, Apr. 2015. [Online]. Available: https: //www.sciencedirect.com/science/article/pii/S1369526615000266
E. L. R. S.A.S, “Colombia llegará a su pico máximo de población en 2060, con más de 55 millones de habitantes,” Oct. 2020. [Online]. Available: https://n9.cl/zkdev
D. Y. S. Echeverry, H. P. Díaz, and J. A. O. Ferreira, “Tendencia mundial en tecnologías de sistemas de mapeo móvil implementadas con láser,” Avances Investigación en Ingeniería, vol. 15, no. 1, pp. 204–230, Dec. 2018, number: 1. [Online]. Available: https://revistas.unilibre.edu.co/index.php/avances/article/ view/1361
J. Fernández-Lozano and G. Gutiérrez Alonso, “Aplicación de LiDAR aerotransportado para la cartografía de las antiguas labores mine ras romanas en el noroeste peninsular,” Mapping, no. 167, pp. 22– 29, 2014, publisher: eGeoMapping Section: Mapping. [Online]. Available: https://dialnet.unirioja.es/servlet/articulo?codigo=4892645
M. F. Monroy Gongora, “Determinación de zonas de manejo en un sistema de produc ción rotacional arroz, maíz – algodón usando técnicas de aprendizaje de máquinas,” Tesis de maestría, Universidad de Ibagué, Ibagué, Colombia, 2022.
J. P. Ocampo Fierro, “Mapeo 3d de cultivos con plataforma lidar móvil de múltiples ecos,” Tesis de pregrado, Universidad de Ibagué, Ibagué, Colombia.
R. Wang, “3D building modeling using images and LiDAR: a review,” International Journal of Image and Data Fusion, vol. 4, no. 4, pp. 273–292, Dec. 2013, publisher: Taylor & Francis _eprint: https://doi.org/10.1080/19479832.2013.811124. [Online]. Available: https://doi.org/10.1080/19479832.2013.811124
Y. Kou, C.-T. Lu, and D. Chen, “Spatial Weighted Outlier Detection,” in Proceedings of the 2006 SIAM International Conference on Data Mining (SDM), ser. Proceedings. Society for Industrial and Applied Mathematics, Apr. 2006, pp. 614–618. [Online]. Available: https://epubs.siam.org/doi/10.1137/1.9781611972764.71
C.-T. Lu, D. Chen, and Y. Kou, “Detecting spatial outliers with multiple attribu tes,” in Proceedings. 15th IEEE International Conference on Tools with Artificial Intelligence, Nov. 2003, pp. 122–128, iSSN: 1082-3409
——, “Algorithms for spatial outlier detection,” in Third IEEE International Confe rence on Data Mining, Nov. 2003, pp. 597–600.
J. Zhao, C.-T. Lu, and Y. Kou, “Detecting region outliers in meteorological data,” in Proceedings of the 11th ACM international symposium on Advances in geographic information systems, ser. GIS ’03. New York, NY, USA: Association for Computing Machinery, Nov. 2003, pp. 49–55. [Online]. Available: https://doi.org/10.1145/956676.956683
E. Leal, N. Leal, and G. Sánchez, “Surface normal estimation and outliers reduction on tridimensional cloud points,” Información tecnológica, vol. 25, no. 2, pp. 39–46, 2014, publisher: Centro de Información Tecnológi ca. [Online]. Available: http://www.scielo.cl/scielo.php?script=sci_abstract&pid= S0718-07642014000200005&lng=en&nrm=iso&tlng=en
F. J. Pérez Pérez, “Registro automático de nubes de puntos,” Tesis de maestría, Universidad Carlos III de Madrid, Madrid, España, Dec. 2016, accepted: 2019-06- 10T18:35:11Z. [Online]. Available: https://e-archivo.uc3m.es/handle/10016/28483
Creación de modelo virtual en 3D y sensor virtual, evaluación de similitud estadística mediante modelos predictivos de clasificación, Apr. 2017.
T. U. Rehman, M. S. Mahmud, Y. K. Chang, J. Jin, and J. Shin, “Current and future applications of statistical machine learning algorithms for agricultural machine vision systems,” Computers and Electronics in Agriculture, vol. 156, pp. 585–605, Jan. 2019. [Online]. Available: https://www.sciencedirect.com/science/ article/pii/S0168169918304289
A. C. Correa, A. E. S. Jimenez, and F. A. P. Ortiz, “Reconocimiento de rostros y gestos faciales mediante un análisis de relevancia con imágenes 3D,” Revista de Investigación, Desarrollo e Innovación, vol. 4, no. 1, pp. 7–20, Aug. 2013, number: 1. [Online]. Available: https://revistas.uptc.edu.co/index.php/investigacion_duitama/ article/view/2563
D. Li, G. Shi, W. Kong, S. Wang, and Y. Chen, “A Leaf Segmentation and Phe notypic Feature Extraction Framework for Multiview Stereo Plant Point Clouds,” IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sen sing, vol. 13, pp. 2321–2336, 2020, conference Name: IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing.
T. Miao, C. Zhu, T. Xu, T. Yang, N. Li, Y. Zhou, and H. Deng, “Automatic stem-leaf segmentation of maize shoots using three-dimensional point cloud,” Computers and Electronics in Agriculture, vol. 187, p. 106310, Aug. 2021. [Online]. Available: https://www.sciencedirect.com/science/article/pii/S0168169921003276
X. Ma, B. Wei, H. Guan, and S. Yu, “A method of calculating phenotypic traits for soybean canopies based on three-dimensional point cloud,” Ecological Informatics, vol. 68, p. 101524, May 2022. [Online]. Available: https://www.sciencedirect.com/ science/article/pii/S1574954121003150
M. Yu, X. Ma, H. Guan, M. Liu, and T. Zhang, “A recognition method of soybean leaf diseases based on an improved deep learning model,” Frontiers in Plant Science, vol. 13, 2022.
J. Li and L. Tang, “Developing a low-cost 3D plant morphological traits characterization system,” Computers and Electronics in Agriculture, vol. 143, pp. 1–13, Dec. 2017. [Online]. Available: https://www.sciencedirect.com/science/ article/pii/S0168169917303277
K. Panjvani, A. V. Dinh, and K. A. Wahid, “LiDARPheno – A Low-Cost LiDAR-Based 3D Scanning System for Leaf Morphological Trait Extraction,” Frontiers in Plant Science, vol. 10, 2019. [Online]. Available: https://www. frontiersin.org/articles/10.3389/fpls.2019.00147
Y. Li, W. Wen, T. Miao, S. Wu, Z. Yu, X. Wang, X. Guo, and C. Zhao, “Automatic organ-level point cloud segmentation of maize shoots by integrating high-throughput data acquisition and deep learning,” Computers and Electronics in Agriculture, vol. 193, p. 106702, Feb. 2022. [Online]. Available: https://www.sciencedirect.com/science/article/pii/S0168169922000199
C. Agustin, “Fenotipo,” May 2022. [Online]. Available: https://n9.cl/pw4lm
P. Kumar, C. Huang, J. Cai, and S. J. Miklavcic, “Root phenotyping by root tip detection and classification through statistical learning,” Plant and Soil, vol. 380, no. 1, pp. 193–209, Jul. 2014. [Online]. Available: https://doi.org/10.1007/s11104-014-2071-3
Y. Chéné, D. Rousseau, P. Lucidarme, J. Bertheloot, V. Caffier, P. Morel, Belin, and F. Chapeau-Blondeau, “On the use of depth camera for 3D phenotyping of entire plants,” Computers and Electronics in Agriculture, vol. 82, pp. 122–127, Mar. 2012. [Online]. Available: https://www.sciencedirect.com/science/article/pii/ S016816991100319X
A. Zerón, “Biotipos, fenotipos y genotipos. ¿De qué tipo somos?” Revista Mexicana de Periodontología, vol. 1, no. 1, pp. 36–43, 2010.
P. W. Theiler, J. D. Wegner, and K. Schindler, “Keypoint-based 4-points congruent sets–automated marker-less registration of laser scans,” ISPRS journal of photogram metry and remote sensing, vol. 96, pp. 149–163, 2014
S. Quan, J. Ma, F. Hu, B. Fang, and T. Ma, “Local voxelized structure for 3d binary feature representation and robust registration of point clouds from low-cost sensors,” Information Sciences, vol. 444, pp. 153–171, 2018.
E. A. Q. Salazar, A. B. Martínez, and A. F. C. Salced, “Procesamiento de nubes de puntos por medio de la librería PCL,” Scientia et Technica, vol. 1, no. 52, pp. 136–142, Dec. 2012, number: 52. [Online]. Available: https://201.131.90.33/index.php/revistaciencia/article/view/7893
O. Schall, A. Belyaev, and H.-P. Seidel, “Robust filtering of noisy scattered point data,” in Proceedings Eurographics/IEEE VGTC Symposium Point-Based Graphics, 2005. IEEE, 2005, pp. 71–144.
——, “Adaptive feature-preserving non-local denoising of static and time-varying range data,” Computer-Aided Design, vol. 40, no. 6, pp. 701–707, 2008.
C. G. Small, “A survey of multidimensional medians,” International Statistical Re view/Revue Internationale de Statistique, pp. 263–277, 1990.
C. G. Small, “A survey of multidimensional medians,” International Statistical Re view/Revue Internationale de Statistique, pp. 263–277, 1990.
M. Pauly, L. Kobbelt, and M. H. Gross, “Multiresolution modeling of point-sampled geometry,” CS technical report, vol. 378, 2002.
L. Linsen, Point cloud representation. Univ., Fak. für Informatik, Bibliothek Tech nical Report, Faculty of Computer . . . , 200
N. Amenta and Y. J. Kil, “Defining point-set surfaces,” ACM Transactions on Graphics (TOG), vol. 23, no. 3, pp. 264–270, 2004.
Oracle, “RMSE (Error cuadrático medio),” 2017. [Online]. Available: https: //n9.cl/i69a8
D. A. Urrego Gamboa and J. D. Español Díaz, “Separación y conteo de células mus culares en procesamiento de imágenes,” Tesis de pregrado, Universidad de Ibagué, Ibagué, Colombia.
D. Méndez, M. G. Forero, and H. F. Murcía, “Comparative study of point cloud registration techniques between icp and others,” in Applications of Digital Image Processing XLIII, vol. 11510. SPIE, 2020, pp. 292–305.
M. G. Forero, G. Cristóbal, and M. Desco, “Automatic identification of mycobac terium tuberculosis by gaussian mixture models,” Journal of microscopy, vol. 223, no. 2, pp. 120–132, 2006.
J. J. Betancourt-Lozano, “Detección de fibrosis aledaña a quistes producidos por neu rocisticercosis mediante técnicas de procesamiento de imágenes,” Tesis de pregrado, Universidad de Ibagué, Ibagué, Colombia
J. R. González, 10 Análisis discriminante lineal (LDA) | Aprendizaje Automático 1. [Online]. Available: https://isglobal-brge.github.io/Aprendizaje_Automatico_1/ an%C3%A1lisis-discriminante-lineal-lda.html
L. F. Restrepo, S. L Posada, and R. R Noguera, “Aplicación del análisis por componentes principales en la evaluación de tres variedades de pasto,” Revista Colombiana de Ciencias Pecuarias, vol. 25, no. 2, pp. 258–266, Jun. 2012, publisher: Universidad de Antioquia. [Online]. Available: http://www.scielo.org.co/scielo.php? script=sci_abstract&pid=S0120-06902012000200011&lng=en&nrm=iso&tlng=es
M. G. F. Sr, J. J. Lozano, and S. A. Balaguera-Reina, “Individual identification automation in Crocodylians through imagery processing: American Crocodile as a study case,” in Applications of Digital Image Processing XLII, vol. 11137. SPIE, Sep. 2019, pp. 586–595. [Online]. Available: https://www.spiedigitallibrary.org/conference-proceedings-of-spie/11137/111372A/ Individual-identification-automation-in-Crocodylians-through-imagery-processing--American/ 10.1117/12.2528773.full
M. G. Forero, J. J. Lozano, L. E. Baquedano, J. A. Bustos, and H. H. García, “A new method for detecting brain fibrosis in microscopy images using the neurocysticercosis pig model,” in Applications of Digital Image Processing XLIII, vol. 11510. SPIE, Aug. 2020, pp. 314–322. [Online]. Available: https://www.spiedigitallibrary.org/conference-proceedings-of-spie/ 11510/115101K/A-new-method-for-detecting-brain-fibrosis-in-microscopy-images/ 10.1117/12.2567040.full
K. Fukunaga, Introduction to statistical pattern recognition. Elsevier, 2013.
Datacamp, “Python Decision Tree Classification Tutorial: Scikit-Learn Decision TreeClassifier,” Dec. 2018. [Online]. Available: https://n9.cl/q
Sklearn, “Randomforestclassifier,” 2020. [Online]. Available: https://n9.cl/u1ne
U. N. O. for Outfer Space Affairs, “Imágenes multiespectrales de sensores remotos.” 2013. [Online]. Available: https://n9.cl/z4qkd
M. A. Castellanos-Reyes, R. Valdés-Carmenate, A. López-Gómez, and F. Guridi Izquierdo, “Mediciones de índices de verdor relacionadas con área foliar y producti vidad de híbrido de maíz,” Cultivos Tropicales, vol. 38, no. 3, pp. 112–116, 2017
“Maíz: La planta,” 2019. [Online]. Available: https://n9.cl/wsjrq
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.none.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.none.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://purl.org/coar/access_right/c_abf2
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.extent.none.fl_str_mv 1 CD(157 páginas)
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Ibagué
dc.publisher.faculty.none.fl_str_mv Ingeniería
dc.publisher.place.none.fl_str_mv Ibagué
dc.publisher.program.none.fl_str_mv Maestría en Ingeniería de Control
publisher.none.fl_str_mv Universidad de Ibagué
institution Universidad de Ibagué
bitstream.url.fl_str_mv https://repositorio.unibague.edu.co/bitstreams/519ddff7-bcd1-4d2c-bf7c-eaa853544fd5/download
https://repositorio.unibague.edu.co/bitstreams/e529058a-6447-4b55-9d60-ea1266f2ac59/download
https://repositorio.unibague.edu.co/bitstreams/6439f86c-cb6f-452e-ac82-346596981921/download
https://repositorio.unibague.edu.co/bitstreams/3f864ec9-3d9d-4294-94e8-14541304b60f/download
https://repositorio.unibague.edu.co/bitstreams/2ed853e7-6e03-40fb-b8f4-a566d0a7e9f8/download
https://repositorio.unibague.edu.co/bitstreams/81a6ce8e-2ff6-4b13-a88c-ec2bfe0fb265/download
https://repositorio.unibague.edu.co/bitstreams/cd90ba17-2e8d-4fb9-b65e-ad7278e23888/download
https://repositorio.unibague.edu.co/bitstreams/f9f614c5-cd73-4dbb-860c-fbb925f1aa8b/download
https://repositorio.unibague.edu.co/bitstreams/99879b87-772f-41de-ae94-10b2982b6581/download
bitstream.checksum.fl_str_mv 9cdb6477e296cac90f35928eaaa2137f
088a3a5386072e3856e321e1d634f8e1
2fa3e590786b9c0f3ceba1b9656b7ac3
1d020c0345c2641bc385a9b67bd0d4d2
9217ac23e7a53614fe2f7a25479ba43c
1d020c0345c2641bc385a9b67bd0d4d2
23cee0c5ee21a4a220240cce6ce65da9
833a2a4ad65ee8252464124233ca6850
23cee0c5ee21a4a220240cce6ce65da9
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad de Ibagué
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1814204081107894272
spelling Forero Vargas, Manuel Guillermo187e7d0d-8326-49bc-8824-d0c7660437b7-1Murcia Moreno, Harold Fabian5b133e19-d824-4bf2-b8b1-482bfcd7d5b3-1Betancourt Lozano, Juan Jose7b99dae6-1ce5-4c76-a725-f93d09eab2b4-12023-08-23T22:28:15Z2023-08-23T22:28:15Z2022La fenotificación o estimación de rasgos morfológicos en plántulas, mediante técnicas se miautomáticas, es cada vez más relevante en los estudios de valoración de genotipos a nivel de órganos, consiguiendo tener un análisis más preciso de las características de ca da planta en ambientes controlados, permitiendo de esta manera encontrar las mejores variedades. Así, en este trabajo se presenta una técnica semiautomática para la segmen tación de órganos de plántulas de maíz y la estimación de características fenotípicas a nivel poblacional, individual y de órganos. Para ello, se utilizó una plataforma LiDAR construida previamente por otro miembro del proyecto y la base de datos obtenida en dicho trabajo como punto de partida. Mediante pruebas experimentales, se estableció un protocolo de adquisición para mejorar la calidad de los datos obtenidos por la plataforma, el cual se utilizó para aumentar la base de datos existente. Luego, se realizó un estudio comparativo de filtros empleados para la eliminación de ruido en nubes de puntos con el fin de mejorar la calidad de la base de datos. Posteriormente, empleando técnicas de aprendizaje de maquinas clásico y procesamiento de imágenes, se realizó la segmentación del tallo de la planta y la identificación de cada hoja. Los resultados obtenidos arrojaron una exactitud del 85.71 % en la segmentación del tallo, 85.50 % en el conteo de hojas y 70.11 % en la identificación de hojas. Por último, se obtuvieron algunos fenotipos del maíz que se encuentran en la literatura y se analizaron a nivel poblacional (altura promedio y cantidad de hojas promedio), individual (altura, área foliar, ángulo de inclinación y volumen) y de órganos (largo, ancho, ángulo de inclinación y volumen).The phenotyping or estimation of morphological traits in seedlings, by means of semiau tomatic techniques, is becoming more and more relevant in genotype evaluation studies at the organ level, achieving a more precise analysis of the characteristics of each plant in controlled environments, thus allowing to find the best varieties. Thus, this work presents a semi-automatic technique for the segmentation of maize seedling organs and the esti mation of phenotypic characteristics at the population, individual and organ level. For this purpose, a LiDAR platform previously built by another member of the project and the database obtained in that work were used as a starting point. Through experimental tests, an acquisition protocol was established to improve the quality of the data obtained by the platform, which was used to augment the existing database. Then, a comparative study of filters used for the elimination of noise in point clouds was carried out in order to improve the quality of the database. Subsequently, using classical machine learning and image processing techniques, the segmentation of the plant stem and the identification of each leaf was performed. The results obtained showed an accuracy of 85.71 % in stem seg mentation, 85.50 % in leaf counting and 70.11 % in leaf identification. Finally, some maize phenotypes found in the literature were obtained and analyzed at the population (average height and average number of leaves), individual (height, leaf area, angle of inclination and volume) and organ (length, width, angle of inclination and volume) levels.MaestríaMagíster en Ingeniería de ControlContiene ilustraciones y anexosContenido Resumen . . . . . iii Lista de Figuras .. . . . x Lista de Tablas . . . . xii Introducción . . . . . . 1 1. Objeto de Estudio 3 1.1. Antecedentes y delimitacion del problema . . . . 3 1.2. Pregunta de Investigación . . . . . . . 4 1.3. Justificación del estudio . . . . . . . 5 1.4. Estado del arte . . . . . . . . . 5 1.4.1. Trabajo relacionado . . . . . . 5 1.4.2. Trabajo previo . . . . . . . . 7 1.5. Objetivos ... . . . . . 8 1.5.1. Objetivo General . . . . . . . 8 1.5.2. Objetivos Específicos . . . . 9 2. Marco Teórico 10 2.1. Fenotipado de plantas . . . . 10 2.2. Nube de puntos . . . . . . . . 11 2.3. Registro de nube de puntos . . 11 2.4. Instrumentos de adquisición de nubes de puntos . . . . . . 12 2.4.1. Sensor EinScan Pro v2 . . . . . . . . . . . 12 2.4.2. Sensor Hokuyo UTM-30LX . . . . . . . . . . 14 2.4.3. Sensor LiDAR SICK LMS4121R-13000 . . . . . 15 2.5. Filtrado de nube de puntos ..... . . . . . . 16 2.6. Medición del error . . . . . . . . . . . . 17 2.6.1. Error cuadrático Medio (RMSE) . . . . . . 18 2.6.2. Indice de Jaccard . . . . . . . . . . . . 18 2.7. Vecindad en nubes de puntos . . . . . . . . 18 2.8. Descriptores . . . . . . . . . . 20 2.9. Clasificador . . . . . . . . . 21 2.10. Métricas de evaluación de clasificadores . . . . . . . 23 3. Desarrollo 25 3.1. Protocolo de adquisición. . . . . . . . . 25 3.1.1. Recopilación de protocolos de adquisición de otros sensores . . . . 26 3.1.2. Protocolo de adquisición uno . . . . . . . . . . . . . . . 35 3.1.3. Mejoras del protocolo de adquisición . . . . . . . . . . 39 3.2. Base de datos y fenotipos . . . . . . . . . . . . . . . . 44 3.2.1. Segmentación de órganos . . . . . . . . . . . . . . . . 47 3.2.2. Obtención de los datos Ground Truth . . . . . . . . . . 49 3.3. Preprocesamiento . . . . . . . . . . . . 51 3.3.1. Segmentación del objeto y entorno . . . . . 51 3.3.2. Filtrado . . . . . . . . . . . . . . . 53 3.4. Método semiautomático de estimación . . 58 3.4.1. Segmentación de órganos . . . . . . . 59 3.4.2. Estimación de fenotipos .. . . . . . . 71 4. Resultados 78 4.0.1. Mejoras en exactitud del escaneo y condiciones de las plantas . . . 78 4.0.2. Segmentación del tallo . . . . . . 79 4.0.3. Segmentación de hojas . . . . . . 81 4.0.4. Estimación de fenotipos . . . . . 83 5. Conclusiones y Recomendaciones 91 5.1. Conclusiones . . . . . . . . . . 91 5.2. Recomendaciones . . . . . . . . 92 5.3. Aportes . . . . . . . . . . . . 93 6. Anexos 103 6.1. Anexo A: Valores de RMS e Índice de Jaccard de la identificación de los mejores filtros para las nubes de puntos de la base de datos . . . . . . . . 103 6.2. Anexo B: Distribuciones gaussianas de los descriptores evaluando la clase hojas y tallo por separado en cada tipo de vecindario. . . . . . . . . . . . 105 6.3. Anexo C: Gráficas de cambio de cantidad de autovalores y componentes principales en los métodos LDA y PCA en cada vecindario. . . . . . . . . 115 6.4. Anexo D: Accuracy, F1-Score y Matrices de confusión resultantes de la aplicación de los metodos de clasificación en la identificación del tallo y hojas . . . . . 120 6.5. Anexo E: Comparación de estimación de cantidad de hojas utilizando des criptor DAP . . . . . . . . 126 6.6. Anexo F: Publicaciones y eventos. . . . . . 128 6.6.1. Publicaciones . . . . . . . . . . . . 128 6.6.2. Participación en eventos . . . . . . 131 6.6.3. Premios . . . . . . . . . . . . . . 137 6.7. Anexo G: Participación en trabajos de grado . . . . . . . . 138 6.7.1. Participación en proyectos de maestría . . . . . . . 138 6.7.2. Participación en proyectos de pregrado . . . . . . . . . 139 6.8. Anexo H: Registro de prototipo de Hardware y Software . . . . 143 6.8.1. Registro Hardware . . . . . . . . 143 6.8.2. Registro Software . . . . . . . 1431 CD(157 páginas)application/pdfBetancourt Lozano, J.J. (2022). Estimación de fenotipos de plántulas de maíz a partir de nubes de puntos adquiridas en ambiente controlado. [Tesis Maestría, Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/3787https://hdl.handle.net/20.500.12313/3787spaUniversidad de IbaguéIngenieríaIbaguéMaestría en Ingeniería de ControlK. Academy, “La ley de la segregación (artículo),” 2022. [Online]. Available: https://n9.cl/oa3woF. Serrano, J. Saumell, and F. Berenguer, “Análisis de resultados métricos de una nube de puntos y una medición directa en el patrimonio edificado. El Santuario de La Montaña en Cáceres,” Informes de la Construcción, vol. 66, no. 534, pp. e016– e016, Jun. 2014, number: 534. [Online]. Available: https://informesdelaconstruccion. revistas.csic.es/index.php/informesdelaconstruccion/article/view/3244Geocom, “Nube de puntos: Registro, referenciación y georreferenciación.” [Online]. Available: https://n9.cl/8d36yZ. C. Impresora 3D Bogotá Creality, Artillery, “Escáner 3D - Shining 3D einscan PRO HD,” 2020. [Online]. Available: https://n9.cl/q3c4pC. Cano Olivera, “Telémetro láser 3d con sensor hokuyo utm-30lx,” Tesis de pregrado, Universidad Carlos III de Madrid, Madrid, Españá, 2010.S. Electronics, “Sick 1091423 LMS4111R-13000 2D LiDAR Sensor,” 2021. [Online]. Available: https://n9.cl/aix2xX.-F. Han, J. S. Jin, M.-J. Wang, W. Jiang, L. Gao, and L. Xiao, “A review of algorithms for filtering the 3D point cloud,” Signal Processing: Image Communication, vol. 57, pp. 103–112, Sep. 2017. [Online]. Available: https://www.sciencedirect.com/science/article/pii/S0923596517300930Scikit-learn, “2.1. Gaussian mixture models,” 2020. [Online]. Available: https: //n9.cl/dp82yschichtwerkstatt.de, “Shining 3D EinScan-Pro 2X v2,” 2020. [Online]. Available: https://n9.cl/5qmoiD. Castro Mendez, “Análisis morfológico tridimensional de plantas a partir de imá genes 3d de alta resolución en condiciones de laboratorio,” Tesis de maestría, Uni versidad de Ibagué, Ibagué, Colombia, 2022M. Weinmann, Reconstruction and analysis of 3D scenes. Springer, 2016, vol. 1.F. G. M. Abril, A. F. M. Martin, and J. M. O. Díaz, “Crecimiento poblacional y políticas públicas,” Apuntes del CENES, vol. 27, no. 44, pp. 149–162, 2007.C. Vega, “Crecimiento poblacional, consumismo y medio ambiente,” Revista de los estudiantes deficiencias forestales Universidad Nacional Agraria La Molina, p. 72, 2008.L.-T. Pan, “Vejez y envejecimiento en china,” Estudios de Asia y África, vol. 52, no. 2, pp. 459–470, 2017.J. M. H. Hasbun and J. C. H. Hasbun, “Estudio de factibilidad del proyecto de producción de metarhizium anisopliae para la fundación hondureña de investigación agrícola (fhia).” 2023.D. P. V. Ramírez and N. L. S. Crúz, “Evolución e impacto del crédito del sector agrícola en honduras en el período 2000-2015,” 2023.M. A. Montoya and L. Hernández-Adame, “Problematización de la investigación en nanotecnología agrícola y alimentaria en el marco de la nueva política de ciencia, tecnología e innovación en méxico,” Mundo Nano. Revista Interdisciplinaria en Na nociencias y Nanotecnología, vol. 16, no. 30, pp. 1e–24e, 20noticias, “En el 2018, el 82 % del maíz en Colombia se importó,” Jun. 2019. [Online]. Available: https://n9.cl/6ntqv“Federación nacional de cultivadores de cereales y leguminosas – FENALCE, 22 de junio de 2018,” Mar. 2022. [Online]. Available: https://n9.cl/5bw4lI. P. Almeida and P. J. G. Mendoza, “Aportes de la biotecnología al mejoramiento del maíz,” Revista Peruana de Innovación Agraria-ISSN: 2810-8876 (En línea), vol. 1, no. 1, pp. 130–150, 2021.S. Thapa, F. Zhu, H. Walia, H. Yu, and Y. Ge, “A Novel LiDAR-Based Instrument for High-Throughput, 3D Measurement of Morphological Traits in Maize and Sorghum,” Sensors, vol. 18, no. 4, p. 1187, Apr. 2018, number: 4 Publisher: Multidisciplinary Digital Publishing Institute. [Online]. Available: https://www.mdpi.com/1424-8220/18/4/1187R. F. McCormick, S. K. Truong, and J. E. Mullet, “3D Sorghum Reconstructions from Depth Images Identify QTL Regulating Shoot Architecture,” Plant Physiology, vol. 172, no. 2, pp. 823–834, Oct. 2016. [Online]. Available: https://doi.org/10.1104/pp.16.00948U. Nations, “Población | Naciones Unidas,” 2019, publisher: United Nations. [Online]. Available: https://n9.cl/0w04kR. M. Ortega, “Cereales de grano completo y sus beneficios sanitarios,” NUTRICION HOSPITALARIA, no. 1, pp. 25–31, Jul. 2015. [Online]. Available: https://doi.org/10.3305/nh.2015.32.sup1.9475Statista, “Cereales: consumo mundial 2015-2022,” Nov. 2021. [Online]. Available: https://n9.cl/b0r16FAO, “Nota informativa de la FAO sobre la oferta y la demanda de cereales | Situación Alimentaria Mundial | Organización de las Naciones Unidas para la Alimentación y la Agricultura,” Dec. 2021. [Online]. Available: https://n9.cl/4bwozmundo PMMI, “Nace el primer Instituto Latinoamericano de Cereales, ILCereales,” Sep. 2022. [Online]. Available: https://n9.cl/eli1xC. Fajardo and N. Prieto, “Análisis de la producción, exportación e importación de productos como el arroz y el maíz en colombia entre los años 2013 y 2018,” Trabajo de grado, Universitaria Agustiniana). Recuperado de: https://repositorio. uniagustinia na. edu. co/bitstream/handle/123456789/1283/FajardoSalama nca-ChristianDavid 2020. pdf, 202M. D. de Cadenas Agricolas y Forestales, “Maíz,” 2019. [Online]. Available: https://sioc.minagricultura.gov.co/AlimentosBalanceados/Documentos/ 2019-03-30%20Cifras%20Sectoriales%20MaÃŋz.pdfA. Z. Quinchía, “Maíz, trigo y soya, ¿por qué Colombia no es autosuficiente?” Oct. 2021. [Online]. Available: https://n9.cl/k0ncsE. L. R. S.A.S, “La mayor parte de la tierra que es cultivable a nivel mundial está en América Latina,” May 2022. [Online]. Available: :https://n9.cl/fb4w2O. de las Naciones Unidas para la Alimentación y la Agricultura, “La agricultura de América Latina ante desaceleración económica,” Nov. 2012. [Online]. Available: https://n9.cl/qzftcB. Govaerts, D. Vega, X. Chávez, L. Narro, F. M. San Vicente, N. Palacios, M. Pérez, G. González, P. Ortega, A. Carvajal, A. L. Arcos, J. Bolaños, N. Romero, J. Bolaños, Y. F. Vanegas, R. G. Echeverria, A. Jarvis, D. Jiménez, J. Ramírez-Villegas, W. Kropff, C. E. González, C. Navarro-Racines, L. Ordóñez, S. D. Prager, and J. Tapasco, Maíz para Colombia Visión 2030. CIMMYT, 2019, accepted: 2019-08-28T20:07:29Z. [Online]. Available: https://n9.cl/dpcynL. A. Oñate Zúñiga, “Duración de las etapas fenológicas y profundidad radicular del cultivo de maíz (Zea mays) var. Blanco harinoso criollo, bajo las condiciones climáticas del cantón Cevallos,” Tesis de pregrado, Universidad Técnica de Ambato, Cevallos, Ecuador, 2016, accepted: 2016-01-26T20:18:19Z. [Online]. Available: https://repositorio.uta.edu.ec:8443/jspui/handle/123456789/18305S. Chaivivatrakul, L. Tang, M. N. Dailey, and A. D. Nakarmi, “Automatic morpho logical trait characterization for corn plants via 3D holographic reconstruction,” Computers and Electronics in Agriculture, vol. 109, pp. 109–123, Nov. 2014. [Online]. Available: https://www.sciencedirect.com/science/article/pii/S0168169914002191N. Fahlgren, M. A. Gehan, and I. Baxter, “Lights, camera, action: high throughput plant phenotyping is ready for a close-up,” Current Opinion in Plant Biology, vol. 24, pp. 93–99, Apr. 2015. [Online]. Available: https: //www.sciencedirect.com/science/article/pii/S1369526615000266E. L. R. S.A.S, “Colombia llegará a su pico máximo de población en 2060, con más de 55 millones de habitantes,” Oct. 2020. [Online]. Available: https://n9.cl/zkdevD. Y. S. Echeverry, H. P. Díaz, and J. A. O. Ferreira, “Tendencia mundial en tecnologías de sistemas de mapeo móvil implementadas con láser,” Avances Investigación en Ingeniería, vol. 15, no. 1, pp. 204–230, Dec. 2018, number: 1. [Online]. Available: https://revistas.unilibre.edu.co/index.php/avances/article/ view/1361J. Fernández-Lozano and G. Gutiérrez Alonso, “Aplicación de LiDAR aerotransportado para la cartografía de las antiguas labores mine ras romanas en el noroeste peninsular,” Mapping, no. 167, pp. 22– 29, 2014, publisher: eGeoMapping Section: Mapping. [Online]. Available: https://dialnet.unirioja.es/servlet/articulo?codigo=4892645M. F. Monroy Gongora, “Determinación de zonas de manejo en un sistema de produc ción rotacional arroz, maíz – algodón usando técnicas de aprendizaje de máquinas,” Tesis de maestría, Universidad de Ibagué, Ibagué, Colombia, 2022.J. P. Ocampo Fierro, “Mapeo 3d de cultivos con plataforma lidar móvil de múltiples ecos,” Tesis de pregrado, Universidad de Ibagué, Ibagué, Colombia.R. Wang, “3D building modeling using images and LiDAR: a review,” International Journal of Image and Data Fusion, vol. 4, no. 4, pp. 273–292, Dec. 2013, publisher: Taylor & Francis _eprint: https://doi.org/10.1080/19479832.2013.811124. [Online]. Available: https://doi.org/10.1080/19479832.2013.811124Y. Kou, C.-T. Lu, and D. Chen, “Spatial Weighted Outlier Detection,” in Proceedings of the 2006 SIAM International Conference on Data Mining (SDM), ser. Proceedings. Society for Industrial and Applied Mathematics, Apr. 2006, pp. 614–618. [Online]. Available: https://epubs.siam.org/doi/10.1137/1.9781611972764.71C.-T. Lu, D. Chen, and Y. Kou, “Detecting spatial outliers with multiple attribu tes,” in Proceedings. 15th IEEE International Conference on Tools with Artificial Intelligence, Nov. 2003, pp. 122–128, iSSN: 1082-3409——, “Algorithms for spatial outlier detection,” in Third IEEE International Confe rence on Data Mining, Nov. 2003, pp. 597–600.J. Zhao, C.-T. Lu, and Y. Kou, “Detecting region outliers in meteorological data,” in Proceedings of the 11th ACM international symposium on Advances in geographic information systems, ser. GIS ’03. New York, NY, USA: Association for Computing Machinery, Nov. 2003, pp. 49–55. [Online]. Available: https://doi.org/10.1145/956676.956683E. Leal, N. Leal, and G. Sánchez, “Surface normal estimation and outliers reduction on tridimensional cloud points,” Información tecnológica, vol. 25, no. 2, pp. 39–46, 2014, publisher: Centro de Información Tecnológi ca. [Online]. Available: http://www.scielo.cl/scielo.php?script=sci_abstract&pid= S0718-07642014000200005&lng=en&nrm=iso&tlng=enF. J. Pérez Pérez, “Registro automático de nubes de puntos,” Tesis de maestría, Universidad Carlos III de Madrid, Madrid, España, Dec. 2016, accepted: 2019-06- 10T18:35:11Z. [Online]. Available: https://e-archivo.uc3m.es/handle/10016/28483Creación de modelo virtual en 3D y sensor virtual, evaluación de similitud estadística mediante modelos predictivos de clasificación, Apr. 2017.T. U. Rehman, M. S. Mahmud, Y. K. Chang, J. Jin, and J. Shin, “Current and future applications of statistical machine learning algorithms for agricultural machine vision systems,” Computers and Electronics in Agriculture, vol. 156, pp. 585–605, Jan. 2019. [Online]. Available: https://www.sciencedirect.com/science/ article/pii/S0168169918304289A. C. Correa, A. E. S. Jimenez, and F. A. P. Ortiz, “Reconocimiento de rostros y gestos faciales mediante un análisis de relevancia con imágenes 3D,” Revista de Investigación, Desarrollo e Innovación, vol. 4, no. 1, pp. 7–20, Aug. 2013, number: 1. [Online]. Available: https://revistas.uptc.edu.co/index.php/investigacion_duitama/ article/view/2563D. Li, G. Shi, W. Kong, S. Wang, and Y. Chen, “A Leaf Segmentation and Phe notypic Feature Extraction Framework for Multiview Stereo Plant Point Clouds,” IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sen sing, vol. 13, pp. 2321–2336, 2020, conference Name: IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing.T. Miao, C. Zhu, T. Xu, T. Yang, N. Li, Y. Zhou, and H. Deng, “Automatic stem-leaf segmentation of maize shoots using three-dimensional point cloud,” Computers and Electronics in Agriculture, vol. 187, p. 106310, Aug. 2021. [Online]. Available: https://www.sciencedirect.com/science/article/pii/S0168169921003276X. Ma, B. Wei, H. Guan, and S. Yu, “A method of calculating phenotypic traits for soybean canopies based on three-dimensional point cloud,” Ecological Informatics, vol. 68, p. 101524, May 2022. [Online]. Available: https://www.sciencedirect.com/ science/article/pii/S1574954121003150M. Yu, X. Ma, H. Guan, M. Liu, and T. Zhang, “A recognition method of soybean leaf diseases based on an improved deep learning model,” Frontiers in Plant Science, vol. 13, 2022.J. Li and L. Tang, “Developing a low-cost 3D plant morphological traits characterization system,” Computers and Electronics in Agriculture, vol. 143, pp. 1–13, Dec. 2017. [Online]. Available: https://www.sciencedirect.com/science/ article/pii/S0168169917303277K. Panjvani, A. V. Dinh, and K. A. Wahid, “LiDARPheno – A Low-Cost LiDAR-Based 3D Scanning System for Leaf Morphological Trait Extraction,” Frontiers in Plant Science, vol. 10, 2019. [Online]. Available: https://www. frontiersin.org/articles/10.3389/fpls.2019.00147Y. Li, W. Wen, T. Miao, S. Wu, Z. Yu, X. Wang, X. Guo, and C. Zhao, “Automatic organ-level point cloud segmentation of maize shoots by integrating high-throughput data acquisition and deep learning,” Computers and Electronics in Agriculture, vol. 193, p. 106702, Feb. 2022. [Online]. Available: https://www.sciencedirect.com/science/article/pii/S0168169922000199C. Agustin, “Fenotipo,” May 2022. [Online]. Available: https://n9.cl/pw4lmP. Kumar, C. Huang, J. Cai, and S. J. Miklavcic, “Root phenotyping by root tip detection and classification through statistical learning,” Plant and Soil, vol. 380, no. 1, pp. 193–209, Jul. 2014. [Online]. Available: https://doi.org/10.1007/s11104-014-2071-3Y. Chéné, D. Rousseau, P. Lucidarme, J. Bertheloot, V. Caffier, P. Morel, Belin, and F. Chapeau-Blondeau, “On the use of depth camera for 3D phenotyping of entire plants,” Computers and Electronics in Agriculture, vol. 82, pp. 122–127, Mar. 2012. [Online]. Available: https://www.sciencedirect.com/science/article/pii/ S016816991100319XA. Zerón, “Biotipos, fenotipos y genotipos. ¿De qué tipo somos?” Revista Mexicana de Periodontología, vol. 1, no. 1, pp. 36–43, 2010.P. W. Theiler, J. D. Wegner, and K. Schindler, “Keypoint-based 4-points congruent sets–automated marker-less registration of laser scans,” ISPRS journal of photogram metry and remote sensing, vol. 96, pp. 149–163, 2014S. Quan, J. Ma, F. Hu, B. Fang, and T. Ma, “Local voxelized structure for 3d binary feature representation and robust registration of point clouds from low-cost sensors,” Information Sciences, vol. 444, pp. 153–171, 2018.E. A. Q. Salazar, A. B. Martínez, and A. F. C. Salced, “Procesamiento de nubes de puntos por medio de la librería PCL,” Scientia et Technica, vol. 1, no. 52, pp. 136–142, Dec. 2012, number: 52. [Online]. Available: https://201.131.90.33/index.php/revistaciencia/article/view/7893O. Schall, A. Belyaev, and H.-P. Seidel, “Robust filtering of noisy scattered point data,” in Proceedings Eurographics/IEEE VGTC Symposium Point-Based Graphics, 2005. IEEE, 2005, pp. 71–144.——, “Adaptive feature-preserving non-local denoising of static and time-varying range data,” Computer-Aided Design, vol. 40, no. 6, pp. 701–707, 2008.C. G. Small, “A survey of multidimensional medians,” International Statistical Re view/Revue Internationale de Statistique, pp. 263–277, 1990.C. G. Small, “A survey of multidimensional medians,” International Statistical Re view/Revue Internationale de Statistique, pp. 263–277, 1990.M. Pauly, L. Kobbelt, and M. H. Gross, “Multiresolution modeling of point-sampled geometry,” CS technical report, vol. 378, 2002.L. Linsen, Point cloud representation. Univ., Fak. für Informatik, Bibliothek Tech nical Report, Faculty of Computer . . . , 200N. Amenta and Y. J. Kil, “Defining point-set surfaces,” ACM Transactions on Graphics (TOG), vol. 23, no. 3, pp. 264–270, 2004.Oracle, “RMSE (Error cuadrático medio),” 2017. [Online]. Available: https: //n9.cl/i69a8D. A. Urrego Gamboa and J. D. Español Díaz, “Separación y conteo de células mus culares en procesamiento de imágenes,” Tesis de pregrado, Universidad de Ibagué, Ibagué, Colombia.D. Méndez, M. G. Forero, and H. F. Murcía, “Comparative study of point cloud registration techniques between icp and others,” in Applications of Digital Image Processing XLIII, vol. 11510. SPIE, 2020, pp. 292–305.M. G. Forero, G. Cristóbal, and M. Desco, “Automatic identification of mycobac terium tuberculosis by gaussian mixture models,” Journal of microscopy, vol. 223, no. 2, pp. 120–132, 2006.J. J. Betancourt-Lozano, “Detección de fibrosis aledaña a quistes producidos por neu rocisticercosis mediante técnicas de procesamiento de imágenes,” Tesis de pregrado, Universidad de Ibagué, Ibagué, ColombiaJ. R. González, 10 Análisis discriminante lineal (LDA) | Aprendizaje Automático 1. [Online]. Available: https://isglobal-brge.github.io/Aprendizaje_Automatico_1/ an%C3%A1lisis-discriminante-lineal-lda.htmlL. F. Restrepo, S. L Posada, and R. R Noguera, “Aplicación del análisis por componentes principales en la evaluación de tres variedades de pasto,” Revista Colombiana de Ciencias Pecuarias, vol. 25, no. 2, pp. 258–266, Jun. 2012, publisher: Universidad de Antioquia. [Online]. Available: http://www.scielo.org.co/scielo.php? script=sci_abstract&pid=S0120-06902012000200011&lng=en&nrm=iso&tlng=esM. G. F. Sr, J. J. Lozano, and S. A. Balaguera-Reina, “Individual identification automation in Crocodylians through imagery processing: American Crocodile as a study case,” in Applications of Digital Image Processing XLII, vol. 11137. SPIE, Sep. 2019, pp. 586–595. [Online]. Available: https://www.spiedigitallibrary.org/conference-proceedings-of-spie/11137/111372A/ Individual-identification-automation-in-Crocodylians-through-imagery-processing--American/ 10.1117/12.2528773.fullM. G. Forero, J. J. Lozano, L. E. Baquedano, J. A. Bustos, and H. H. García, “A new method for detecting brain fibrosis in microscopy images using the neurocysticercosis pig model,” in Applications of Digital Image Processing XLIII, vol. 11510. SPIE, Aug. 2020, pp. 314–322. [Online]. Available: https://www.spiedigitallibrary.org/conference-proceedings-of-spie/ 11510/115101K/A-new-method-for-detecting-brain-fibrosis-in-microscopy-images/ 10.1117/12.2567040.fullK. Fukunaga, Introduction to statistical pattern recognition. Elsevier, 2013.Datacamp, “Python Decision Tree Classification Tutorial: Scikit-Learn Decision TreeClassifier,” Dec. 2018. [Online]. Available: https://n9.cl/qSklearn, “Randomforestclassifier,” 2020. [Online]. Available: https://n9.cl/u1neU. N. O. for Outfer Space Affairs, “Imágenes multiespectrales de sensores remotos.” 2013. [Online]. Available: https://n9.cl/z4qkdM. A. Castellanos-Reyes, R. Valdés-Carmenate, A. López-Gómez, and F. Guridi Izquierdo, “Mediciones de índices de verdor relacionadas con área foliar y producti vidad de híbrido de maíz,” Cultivos Tropicales, vol. 38, no. 3, pp. 112–116, 2017“Maíz: La planta,” 2019. [Online]. Available: https://n9.cl/wsjrqinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)https://creativecommons.org/licenses/by-nc-nd/4.0/Segmentación de órganosEstimación de fenotiposBase de datos 3DPlántulas de maízAprendizaje de maquinasFiltrado de nubes de puntosOrgan segmentationPhenotype estimation3D databaseMaize seedlingMachine learningPoint cloud filteringEstimación de fenotipos de plántulas de maíz a partir de nubes de puntos adquiridas en ambiente controladoTrabajo de grado - MaestríaTextinfo:eu-repo/semantics/masterThesishttp://purl.org/redcol/resource_type/TMinfo:eu-repo/semantics/acceptedVersionPublicationORIGINALTrabajo de grado.pdfTrabajo de grado.pdfapplication/pdf37453399https://repositorio.unibague.edu.co/bitstreams/519ddff7-bcd1-4d2c-bf7c-eaa853544fd5/download9cdb6477e296cac90f35928eaaa2137fMD51Autorización publicación.pdfAutorización publicación.pdfapplication/pdf158270https://repositorio.unibague.edu.co/bitstreams/e529058a-6447-4b55-9d60-ea1266f2ac59/download088a3a5386072e3856e321e1d634f8e1MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-8134https://repositorio.unibague.edu.co/bitstreams/6439f86c-cb6f-452e-ac82-346596981921/download2fa3e590786b9c0f3ceba1b9656b7ac3MD53TEXTTesis.pdf.txtTesis.pdf.txtExtracted texttext/plain101607https://repositorio.unibague.edu.co/bitstreams/3f864ec9-3d9d-4294-94e8-14541304b60f/download1d020c0345c2641bc385a9b67bd0d4d2MD54Autorización publicación.pdf.txtAutorización publicación.pdf.txtExtracted texttext/plain3793https://repositorio.unibague.edu.co/bitstreams/2ed853e7-6e03-40fb-b8f4-a566d0a7e9f8/download9217ac23e7a53614fe2f7a25479ba43cMD56Trabajo de grado.pdf.txtTrabajo de grado.pdf.txtExtracted texttext/plain101607https://repositorio.unibague.edu.co/bitstreams/81a6ce8e-2ff6-4b13-a88c-ec2bfe0fb265/download1d020c0345c2641bc385a9b67bd0d4d2MD58THUMBNAILTesis.pdf.jpgTesis.pdf.jpgGenerated Thumbnailimage/jpeg7496https://repositorio.unibague.edu.co/bitstreams/cd90ba17-2e8d-4fb9-b65e-ad7278e23888/download23cee0c5ee21a4a220240cce6ce65da9MD55Autorización publicación.pdf.jpgAutorización publicación.pdf.jpgGenerated Thumbnailimage/jpeg13676https://repositorio.unibague.edu.co/bitstreams/f9f614c5-cd73-4dbb-860c-fbb925f1aa8b/download833a2a4ad65ee8252464124233ca6850MD57Trabajo de grado.pdf.jpgTrabajo de grado.pdf.jpgGenerated Thumbnailimage/jpeg7496https://repositorio.unibague.edu.co/bitstreams/99879b87-772f-41de-ae94-10b2982b6581/download23cee0c5ee21a4a220240cce6ce65da9MD5920.500.12313/3787oai:repositorio.unibague.edu.co:20.500.12313/37872024-01-20 03:00:25.676https://creativecommons.org/licenses/by-nc-nd/4.0/https://repositorio.unibague.edu.coRepositorio Institucional Universidad de Ibaguébdigital@metabiblioteca.comQ3JlYXRpdmUgQ29tbW9ucyBBdHRyaWJ1dGlvbi1Ob25Db21tZXJjaWFsLU5vRGVyaXZhdGl2ZXMgNC4wIEludGVybmF0aW9uYWwgTGljZW5zZQ0KaHR0cHM6Ly9jcmVhdGl2ZWNvbW1vbnMub3JnL2xpY2Vuc2VzL2J5LW5jLW5kLzQuMC8=

Publicaciones similares