Identificación de anomalías mediante el uso del Machine Learning en imágenes de plantas de lulo
DOI:
https://doi.org/10.26507/paper.3372Palabras clave:
Reconocimiento de Imágenes, Inteligencia artificial, Machine Learning, detección anomalíasResumen
La implementación de saberes en el sector agrícola enmarca un factor importante en la política de los países y en el marco de los objetivos de desarrollo sostenible de las Naciones Unidas, por los cuales los ciudadanos podrán encontrarse con la eficiencia en el manejo de sus recursos. No es en vano que se está trabajando en más y mejores maneras de comercialización y exportación de productos de este sector en la gran mayoría de países a nivel mundial. Por ello, las instituciones de educación superior deben unir esfuerzos con el fin de desarrollar, desde las singularidades de cada región, aportes que confluyan en mejoras en la manera en que se producen y controlan los procesos de los cultivos en diferentes sectores del entorno nacional. La identificación temprana de anomalías en las plantas de lulo es fundamental para prevenir la propagación de enfermedades y asegurar la calidad de la producción. En este trabajo, se utilizó el aprendizaje automático (Machine Learning) para desarrollar un sistema capaz de detectar anomalías en imágenes de plantas de lulo. Para ello, se entrenó un modelo de redes neuronales convolucionales utilizando una base de datos de imágenes etiquetadas como sanas o enfermas. Los resultados obtenidos demuestran la efectividad del sistema para detectar anomalías en las imágenes de las plantas de lulo, con una precisión de hasta el 95%.
Descargas
Citas
Cáceres, C. (2015). Procesamiento de imágenes para reconocimiento de daños causados por plagas en el cultivo de Begonia semperflorens (flor de azúcar). Acta agronómica. Palmira, Colombia. Universidad Nacional de Colombia. Disponible en: http://www.redalyc.org/pdf/1699/169940048012.pdf. doi: http://dx.doi.org/10.15446/acag.v64n3.42657. Acceso: julio 28 de 2022. https://doi.org/10.15446/acag.v64n3.42657
Cásares, C., Farías, N., García, N. y García, A. (2017). Procesamiento de imágenes de plantas ornamentales multi-escala para calcular su crecimiento. Revista: 3C TIC: Cuadernos de desarrollo aplicados a las TIC, 6(3): 10-25. https://doi.org/10.17993/3ctic.2017.57.10-25
Bernal, JA y Díaz, CA (2006). Materiales locales y mejorados de tomate de árbol, mora y lulo sembrados por los agricultores y cultivares disponibles para su evaluación en Colombia (Boletín divulgativo 7). Rionegro, Colombia: CORPOICA - Ministerio de Agricultura y Desarrollo Rural.
Betancourt, D. (2014). Sistema de visión por computador para detectar hierba no deseada en prototipo de cultivo de frijol usando ambiente controlado. (Proyecto de grado). Universidad Católica de Colombia. Facultad de Ingeniería. Programa de ingeniería electrónica y telecomunicaciones. Bogotá D.C. Colombia.
Sociedad de agricultores de Colombia (2022). Lo bueno y lo malo del 2022. ¿Cómo se ve el 2023? https://sac.org.co/lo-bueno-y-lo-malo-del-2022-como-se-ve-el-2023/
Descargas
Publicado
Cómo citar
Evento
Sección
Licencia
Derechos de autor 2023 Asociación Colombiana de Facultades de Ingeniería - ACOFI
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Estadísticas de artículo | |
---|---|
Vistas de resúmenes | |
Vistas de PDF | |
Descargas de PDF | |
Vistas de HTML | |
Otras vistas |