|
Please use this identifier to cite or link to this item:
https://repositorio.utn.edu.ec/handle/123456789/14494
Title: | Desarrollo de una aplicación para detección automática de líneas de cultivo y malezas mediante el procesamiento de imágenes agrícolas en tiempo real. |
metadata.dc.contributor.advisor: | Pusdá Chulde, Marco Remigio |
Authors: | Lucero Torres, Yerson Fabricio |
metadata.dc.type: | bachelorThesis |
Keywords: | SISTEMA DE INFORMACIÓN;CULTIVOS DE CAMPO;RECONOCIMIENTO TOPOGRÁFICO |
Issue Date: | 24-Jul-2023 |
metadata.dc.date.created: | 3-Jul-2023 |
Abstract: | Con el avance tecnológico los planteamientos de ayuda a la agricultura dan paso a distintas estrategias de gestión y acción necesarias para transformar y orientar los distintos sistemas agrícolas, conformando así la AP, que es el campo que busca utilizar a las TIC en el apoyo de decisiones con el fin de mejorar el trabajo del agricultor y la calidad del producto, cuidando el medioambiente y siendo más eficiente económicamente, el presente proyecto comprende la revisión y aplicación de diferentes técnicas de visión por computador para el desarrollo de una aplicación para detección automática de líneas de cultivo y malezas mediante el procesamiento de imágenes agrícolas en tiempo real. Se realizó una revisión bibliográfica para tener un marco teórico que conceptualizó las herramientas, técnicas y métodos de la AP que estableció la utilización del lenguaje Python con la librería OpenCv y el método Haar Cascade para el desarrollo y entrenamiento del algoritmo, este algoritmo se basa principalmente en la escala de las imágenes y los vecinos cercanos al detectar cualquier objeto, cuenta con el apoyo de Cascade Trainer GUI, que es un programa que se puede utilizar para entrenar, probar y mejorar modelos de clasificadores en cascada. El sistema utiliza el protocolo RTSP (protocolo de transmisión en tiempo real) ayudando a reducir la pérdida de datos en la obtención y transmisión de las imágenes, el algoritmo clasificador usa el marco de detección de objetos en 5 fases: Detección del área de interés, resta de fondo, segmentación, detección y conteo. El software alcanza una precisión de detección de líneas de cultivo del 92,10% y una exactitud en la detección de maleza del 80,49% promediando un valor arriba del 86,28% en la detección de malezas y líneas de cultivo, con un costo computacional de 0.92 siendo 1 lo más eficiente. Estos resultados fueron evaluados con base en mAP (Mean Average Precision) y los principios cuantitativos de diseño de computadoras. |
Description: | Desarrollar una aplicación para detección automática de líneas de cultivo y malezas mediante el procesamiento de imágenes agrícolas en tiempo real. |
URI: | http://repositorio.utn.edu.ec/handle/123456789/14494 |
metadata.dc.identifier.other: | 04/ISC/ 677 |
metadata.dc.coverage: | Ibarra. Ecuador. |
metadata.dc.description.degree: | Ingeniería |
metadata.dc.identifier.mfn: | 0000041541 |
metadata.dc.contributor.deparment: | Sistemas Computacionales |
Appears in Collections: | Ing. en Sistemas Computacionales |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
04 ISC 677 logo.jpg | Logo | 94.04 kB | JPEG | View/Open |
04 ISC 677 TRABAJO GRADO.pdf | Trabajo de Grado | 6.64 MB | Adobe PDF | View/Open |
This item is protected by original copyright |
This item is licensed under a Creative Commons License