Por favor, use este identificador para citar o enlazar este ítem:
https://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/5306Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.contributor.author | Rodríguez Davila, Fernando. | - |
| dc.date.accessioned | 2022-12-13T15:15:04Z | - |
| dc.date.available | 2021-03-18 | - |
| dc.date.available | 2022-12-13T15:15:04Z | - |
| dc.date.issued | 2021 | - |
| dc.identifier.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 | es_CO |
| dc.identifier.uri | http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/5306 | - |
| dc.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. | es_CO |
| dc.description.abstract | El autor no proporciona la información sobre este ítem. | es_CO |
| dc.format.extent | 92 | es_CO |
| dc.format.mimetype | application/pdf | es_CO |
| dc.language.iso | es | es_CO |
| dc.publisher | Universidad de Pamplona- Facultad de Ingenierías y Arquitectura. | es_CO |
| dc.subject | El autor no proporciona la información sobre este ítem. | es_CO |
| dc.title | Desarrollo de un sistema de visión artificial remoto para la detección de antracnosis o mancha foliar en los cultivos de fresa. | es_CO |
| dc.type | http://purl.org/coar/resource_type/c_7a1f | es_CO |
| dc.date.accepted | 2020-12-18 | - |
| dc.relation.references | J. B. M. Gaitán, R. L. Ferrucho, and J. G. Á. Herrera, “Efecto de dos cepas de Trichoderma en el control de Botrytis cinerea y la calidad del fruto en fresa (Fragaria sp.),” Rev. Colomb. Ciencias Hortícolas, vol. 8, no. 1, pp. 44–56, 2014, doi: 10.17584/rcch.2014v8i1.2799. | es_CO |
| dc.relation.references | M. A. Cano, “Estrategias biológicas para el manejo de enfermedades en el cultivo de fresa (Fragaria spp.),” Rev. Colomb. Ciencias Hortícolas, vol. 7, no. 2, pp. 263– 276, 2014, doi: 10.17584/rcch.2013v7i2.2240. | es_CO |
| dc.relation.references | A. Baldovino, “Alternativas orgánicas para el logro de producciones más limpias de la fresa en Pamplona Norte de Santander,” 2018. | es_CO |
| dc.relation.references | D. J. L. P. Coto, “MANEJO DE PLAGAS Y ENFERMEDADES EN PRODUCCIÓN ECOLÓGICA.” | es_CO |
| dc.relation.references | R. Carmona Angulo, “Fresa,” 2009. | es_CO |
| dc.relation.references | Cámara de comercio de Bogotá, “Manual de fresa,” pp. 1–54, 2015. | es_CO |
| dc.relation.references | G. Giménez, J. Paullier, and D. Maeso, Identificación y manejo de las principales enfermedades y plagas en el cultivo de frutilla, no. 82. 2003. | es_CO |
| dc.relation.references | Ministerio de Agricultura, “Subsector productivo de la Fresa.” | es_CO |
| dc.relation.references | K. Rane, “Antracnosis De La Rosa,” no. 14, 2004, [Online]. Available: https://ag.purdue.edu/btny/ppdl/Pages/POTW_old/6-14-04.html. | es_CO |
| dc.relation.references | L. Urdaneta, M. E. Sanabria, D. Rodríguez, and M. Pérez de Camacaro, “Antracnosis causada por Colletotrichum acutatum Simmonds en frutos de fresa en los estados Lara y Trujillo, Venezuela,” Rev. la Fac. Agron., vol. 30, no. 4, pp. 504–528, 2013 | es_CO |
| dc.relation.references | C. Central, C. Central, C. Extensi, and S. Agr, “Manual de produccion de fresa,” 2015. | es_CO |
| dc.relation.references | L. García, “Drones, el cielo está al alcance de todos,” p. 65, 2017, [Online]. Available: https://www.edubcn.cat/rcs_gene/treballs_recerca/2015-2016-03-1- TR.pdf. | es_CO |
| dc.relation.references | DJI, “DJI Matrice 100 Technical Sheet,” vol. 1, p. 78, 2016, [Online]. Available: https://dl.djicdn.com/downloads/dev/Matrice/en/M100_In_the_Box_en_160304.pdf | es_CO |
| dc.relation.references | DJI, “Manual Cámara Zenmuse Z3,” 2016. | es_CO |
| dc.relation.references | DJI, “Manual de Mavic 2 Pro/Zoom,” pp. 1–68, 2019. | es_CO |
| dc.relation.references | D. Conde Ortiz, “Inteligencia artificial con TensorFlow para predicción de comportamientos,” 2018, [Online]. Available: https://idus.us.es/handle/11441/80122#.X0neHv_vQyY.mendeley. | es_CO |
| dc.relation.references | G. van R. and F. L. Drake, “Python language,” Python Ref. Manual, vol. PythonLabs, 2001. | es_CO |
| dc.relation.references | J. A. Perez Prieto, “Curso de Python Astronomia,” p. 128, 2018, [Online]. Available: http://www.iac.es/sieinvens/python course/docs/curso_python_astronomia_2018-02.pdf. | es_CO |
| dc.relation.references | Google, “TensorFlow.” https://www.tensorflow.org/?hl=es-419. (accessed Nov. 28, 2020). | es_CO |
| dc.relation.references | Keras, “Keras.” https://keras.io/about/ (accessed Nov. 28, 2020). | es_CO |
| dc.relation.references | G. Viera-Maza, “Procesamiento de imágenes usando OpenCV aplicado en Raspberry Pi para la clasificación del cacao,” Thesis, p. 136, 2017, [Online]. Available: https://pirhua.udep.edu.pe/bitstream/handle/11042/2916/IME_218.pdf?sequence= 1&isAllowed=y. | es_CO |
| dc.relation.references | C. Platero, “Procesamiento Morfológico,” Madrid Univ., pp. 171–198, 2012, [Online]. Available: http://scholar.google.com/scholar?hl=en&btnG=Search&q=intitle:Procesamiento+ morfol?gico#4. | es_CO |
| dc.relation.references | F. J. Nuñez, “Diseño de un sistema de reconocimiento automático de matrículas de vehículos mediante una red neuronal convolucional,” Univ. Oberta Catalunya, p. 53, 2016, [Online]. Available:http://openaccess.uoc.edu/webapps/o2/bitstream/10609/52222/6/fnunezsTFM061 6memòria.pdf. | es_CO |
| dc.relation.references | INCyTU, “Inteligencia Artificial Distribuida y Sistemas Multiagentes,” Intel. Artif., vol. 2, no. 6, pp. 1–6, 2018, doi: 10.4114/ia.v2i6.614 | es_CO |
| dc.relation.references | O. Datatau and O. H. News, “Getting Started with Deep Learning and Python Getting Started with Deep Learning and Python,” pp. 1–21, 2015. | es_CO |
| dc.relation.references | P. Ashton, “Getting started: Getting started,” Quick Hits New Fac. Success. Strateg. by Award. Teach., pp. 4–6, 2004. | es_CO |
| dc.relation.references | Google, “ Developers.” https://developers.google.com/machine learning/guides/text-classification?hl=es-419. (accessed Nov. 28, 2020). | es_CO |
| dc.relation.references | G. De Catalunya, “PROYECTO: Aplicación práctica de la visión artificial en el control de procesos industriales.,” 2011 | es_CO |
| dc.relation.references | A. Moreno, “Clasificación de imágenes usando redes neuronales convolucionales en Python,” p. 80, 2019. | es_CO |
| dc.relation.references | P. Constante, A. Gordon, O. Chang, E. Pruna, F. Acuna, and I. Escobar, “Artificial Vision Techniques to Optimize Strawberrys Industrial Classification,” IEEE Lat. Am. Trans., vol. 14, no. 6, pp. 2576–2581, 2016, doi: 10.1109/TLA.2016.7555221. | es_CO |
| dc.relation.references | M. Bhange and H. A. Hingoliwala, “Smart Farming: Pomegranate Disease Detection Using Image Processing,” Procedia Comput. Sci., vol. 58, pp. 280–288, 2015, doi: 10.1016/j.procs.2015.08.022. | es_CO |
| dc.relation.references | D. I. Patrício and R. Rieder, “Computer vision and artificial intelligence in precision agriculture for grain crops: A systematic review,” Comput. Electron. Agric., vol. 153, no. August, pp. 69–81, 2018, doi: 10.1016/j.compag.2018.08.001 | es_CO |
| dc.rights.accessrights | http://purl.org/coar/access_right/c_abf2 | es_CO |
| dc.type.coarversion | http://purl.org/coar/resource_type/c_2df8fbb1 | es_CO |
| Aparece en las colecciones: | Ingeniería Electrónica | |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| Rodríguez_2020_TG.pdf | Rodríguez_2020_TG | 3,02 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.