• Repositorio Institucional Universidad de Pamplona
  • Tesis de maestría y doctorado
  • Facultad de Ingenierías y Arquitectura
  • Maestría en Controles Industriales
  • Please use this identifier to cite or link to this item: http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/3202
    Title: Diseño de un sistema de visión artificial de bajo coste para el control fitosanitario de cultivos de Lulo.
    Authors: Castro Maldonado, Jhon Jairo.
    Keywords: El autor no proporciona la información sobre este ítem.
    Issue Date: 2019
    Publisher: Universidad de Pamplona – Facultad de Ingenierías y Arquitectura.
    Citation: Castro Maldonado, J. J. (2018). Diseño de un sistema de visión artificial de bajo coste para el control fitosanitario de cultivos de Lulo [Trabajo de Grado Maestría, Universidad de Pamplona]. Repositorio Hulago Universidad de Pamplona. http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/3202
    Abstract: El autor no proporciona la información sobre este ítem.
    Description: El presente trabajo de investigación se enmarca en el área de instrumentación y sensórica específicamente en la visión artificial o por computador, enfocando su aplicación hacia el reconocimiento de patrones para identificar señales visuales que generan algunos factores fitopatógenos de los cultivos de lulo. Los sistemas tradicionales de producción tratan las propiedades agrícolas y al cultivo en general, de forma homogénea, tomando como base las condiciones promedio de las extensas áreas de producción, para implementar las acciones correctivas o preventivas de los factores identificados. Con el fin, de obtener unos sistemas de producción más competitivos y aumentar la eficiencia agronómica del sector productivo, se incorporaron nuevas técnicas para incrementar y/o mantener la productividad de los cultivos, buscando, al mismo tiempo, reducir los costos de producción. En ese contexto, la optimización en la detección y ubicación temprana de los factores fitopatógenos que se puedan presentar, es una alternativa importante ya que establece una manera diferenciadora en el manejo del sistema de producción, buscando promover la estabilidad a través de la maximización del retorno económico y preservando el medio ambiente aplicando tecnologías de punta que reduzcan y optimicen los tiempos de inspección [1]. La investigación, se basa en las áreas de visión artificial y reconocimiento de patrones implementado en procesos de agricultura. Con el fin, de desarrollar metodologías, sistemas y/o prototipos que contribuyan a optimizar recursos (humanos, económicos y tecnológicos) en el sector agro y específicamente en las agroindustrias cultivadoras de lulo en Antioquia. El lulo, Solanum quitoense Lam, es el tercer cultivo de mayor relevancia en la población campesina antioqueña, debido a que representa el 1,7% de la producción anual de frutas en Colombia, en este sentido se hace necesario, implementar estrategias novedosas y eficaces que permitan la identificación de algunos fitopatógenos que puedan afectar la producción del cultivo, uno de los más relevantes es la alternaría Nees y se evidencia a través de la mancha de la alternaría, esta enfermedad evidencia síntomas como: lesiones redondas de bordes irregulares de color café oscuro o castaño rodeadas de un halo colorítico [2][3][4]. Estas características particulares de algunos fitopatógenos, se pueden aprovechar para incursionar en sistemas de visión artificial que se puedan aplicar a equipos aéreos no tripulados a los que a partir de ahora llamaremos UAS (Unmanned Aerial Systems) y que también se 2 encuentran en la literatura como UAV (Unmanned Aerial Vehicle) y normalmente llamados DRONE [5][6]. La visión por computador o artificial es uno de los campos de la inteligencia artificial, en el que se busca por medio de lenguajes de programación, que un procesador sea capaz de identificar y realizar ciertas ordenes desde el reconocimiento de ciertas características de imágenes tomadas vías fotografía o a través de video [5]. Los sistemas de visión artificial se componen de una fuente de luz que puede ser artificial o natural dependiendo de la aplicación, un sensor de imagen como puede ser una cámara fotográfica o de video, que captura las imágenes que luego se van a procesar, una tarjeta de adquisición de imágenes, como interfaz entre el sensor y el computador o procesador, unos algoritmos de análisis, en los que se procesan, segmentan y se aplican las transformaciones necesarias para obtener los resultados deseados que pueden ser trabajados en múltiples software de procesamiento de imágenes dentro de lo que tenemos las librerías de OpenCV que se trabajan en los software C, C++ y Python, un procesador que analice las imágenes recibidas ejecutando los algoritmos diseñados y un sistema de respuesta en tiempo real que ejecute los comandos [5][6][7][8][9]. Los sistemas de visión artificial de bajo costo desarrollados con sistemas embebidos junto con lo UAS, se consolidan como una de las alternativas más eficaces a la hora de implementar tecnologías de agricultura de precisión, la agricultura de precisión, se puede entender como la implementación de tecnologías o técnicas que optimizan los recursos (humanos, económicos y tecnológicos) en la producción agrícola, con base a ciertos factores o características que pueden ser: variabilidad de características físico-químicas del terreno, condiciones ambientales o características del cultivo en sí [10][11][12]. A través del desarrollo de este trabajo se plantea un sistema de visión artificial de bajo costo para el control fitosanitario de cultivos de lulo usando como base la visión por computador y la inteligencia artificial (IA). Dentro de los principales resultados están, que efectivamente con un hardware y software libre de bajo costo es viable la elaboración de este tipo de sistemas, ya que en este estudio se puede evidenciar que con aplicaciones como Python y las diversas técnicas que en la actualidad se disponen para realizar estrategias de inteligencia artificial es posible identificar señales de presencia de factores fitopatógenos en el cultivo del lulo, ya que este estrategia permite identificar o reconocer patrones a 40 o 60 cm de distancia con una base de entrenamiento entre 200 y 400 imágenes, que es factible para su aplicación en la agricultura y en vehículos aéreos no tripulados como los drones.
    URI: http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/3202
    Appears in Collections:Maestría en Controles Industriales

    Files in This Item:
    File Description SizeFormat 
    Castro_2018_TG.pdfCastro_2018_TG.pdf6,54 MBAdobe PDFView/Open


    Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.