DSpace JSPUI
DSpace preserves and enables easy and open access to all types of digital content including text, images, moving images, mpegs and data sets
Learn More
Please use this identifier to cite or link to this item:
http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/5306| Title: | Desarrollo de un sistema de visión artificial remoto para la detección de antracnosis o mancha foliar en los cultivos de fresa. |
| Authors: | Rodríguez Davila, Fernando. |
| Keywords: | El autor no proporciona la información sobre este ítem. |
| Issue Date: | 2021 |
| Publisher: | Universidad de Pamplona- Facultad de Ingenierías y Arquitectura. |
| Citation: | Rodríguez Dávila, F. (2020). Desarrollo de un sistema de visión artificial remoto para la detección de antracnosis o mancha foliar en los cultivos de fresa [Trabajo de Grado Pregrado, Universidad de Pamplona]. Repositorio Hulago Universidad de Pamplona. http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/5306 |
| Abstract: | El autor no proporciona la información sobre este ítem. |
| Description: | Países desarrollados han implementado tecnologías innovadoras en el sector agrícola, que le permiten al campesino detectar cuando hay presencia de anomalías en sus cultivos; a diferencia de países en vía de desarrollo como es el caso de Colombia, donde estamos en ese proceso de crecimiento y desarrollo de nuevas tecnologías asequibles al campesino del común o de bajos recursos, que le permitan optimizar la producción de los cultivos, permitiendo la detección de enfermedades por medio de herramientas y procesamientos basados en visión artificial. La visión artificial acompañado de un procesamiento digital de imágenes son los fundamentos principales en este proyecto. Por tanto, el objetivo principal de este trabajo es monitorear sectores previamente definidos que se acoplan a características específicas dentro de los cultivos de fresa, por medio de un drone que posee una cámara RGB se realizan las capturas de imágenes a un sector del cultivo seleccionado que luego pasaran por un preprocesamiento con el fin de adaptarlo al método de inteligencia artificial. Luego de la adaptación de los datos al método de inteligencia artificial se realizará el entrenamiento y por último la clasificación cualitativa de la enfermedad Antracnosis, por consiguiente, se realiza el proceso de validación del resultado del método de inteligencia artificial incluyendo un factor de confusión con el fin de garantizar una eficiencia mayor del 75%. Desde la adquisición de los Datos donde se estableció un plan de vuelo que cumplió con las condiciones previamente definidas, permitió adquirir la elaboración de un algoritmo de preprocesamiento que llevó cabo el recorte de zonas de interés del cultivo de fresa con el fin de extraer las imágenes individuales de los arbustos de fresa. Estas capturas individuales se redimensionaron a un tamaño estándar de 400x400 y con esas alteraciones se creó el set de entrenamiento y validación. Estos fueron proporcionados a una red neuronal convolucional de 4 capas convolucionales y 2 capas densa para su posterior entrenamiento con un numero de épocas de 3 y posteriormente la validación con el set de validación obteniendo un porcentaje del 78.08% superando las expectativas anteriormente mencionadas. |
| URI: | http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/5306 |
| Appears in Collections: | Ingeniería Electrónica |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Rodríguez_2020_TG.pdf | Rodríguez_2020_TG | 3,02 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.