Sistema para la detección de hortalizas, aromáticas y malezas con un robot paralelo accionado por cables

Este es un proyecto de investigación desarrollado en colaboración con los semilleros de investigación IMACUNA y Lún, del grupo de investigación D+TEC de la Universidad de Ibagué. El objetivo principal es crear un sistema de reconocimiento de plantas utilizando el robot paralelo accionado por cables...

Full description

Autores:
Durán Valencia, Andrés Juan
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Universidad de Ibagué
Repositorio:
Repositorio Universidad de Ibagué
Idioma:
spa
OAI Identifier:
oai:repositorio.unibague.edu.co:20.500.12313/4464
Acceso en línea:
https://hdl.handle.net/20.500.12313/4464
Palabra clave:
Detección hortalizas - Robot paralelo
Detección aromática - Robot paralelo
Detección maleza - Robot paralelo
Agricultura de precisión
Visión artificial
Segmentación de imágenes
Aprendizaje profundo
Cultivos agricola
Precision agriculture
Artificial vision
Image segmentation
Deep learning
Agricultural crops
Rights
openAccess
License
http://purl.org/coar/access_right/c_abf2
Description
Summary:Este es un proyecto de investigación desarrollado en colaboración con los semilleros de investigación IMACUNA y Lún, del grupo de investigación D+TEC de la Universidad de Ibagué. El objetivo principal es crear un sistema de reconocimiento de plantas utilizando el robot paralelo accionado por cables AgroCableBot y técnicas de visión artificial. Los objetivos específicos incluyen diseñar modelos de reconocimiento de hortalizas, aromáticas y malezas, implementar una interfaz gráfica para visualizar las detecciones y validar el sistema mediante pruebas experimentales. El enfoque del proyecto se centra en el diseño y desarrollo de un modelo de visión artificial que pueda identificar correctamente las diferentes categorías de plantas en imágenes capturadas en entornos agrícolas, mejorando así la gestión de los cultivos. El desarrollo del sistema incluyó la adquisición y preparación de datos necesarios para el entrenamiento y pruebas del modelo, así como la creación de una interfaz visual intuitiva que facilita la interacción del usuario con el sistema. Las pruebas experimentales realizadas con el AgroCableBot confirmaron la efectividad del sistema en términos de precisión y capacidad de generalización. Los resultados destacaron la robustez del modelo y la utilidad de la interfaz en aplicaciones prácticas. El documento concluye con una reflexión crítica sobre los resultados, subrayando las fortalezas y limitaciones del sistema y proponiendo recomendaciones para futuros desarrollos, incluyendo la incorporación de nuevas especies y la implementación de técnicas avanzadas de visión artificial.