|
Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.utn.edu.ec/handle/123456789/16351
Título : | Detección automática de malezas en cultivos de maíz y/o papa utilizando imágenes adquiridas por drones empleando la arquitectura de red neuronal convolucional xception |
Director: | García Santillán, Iván Danilo |
Autor : | Lema Días, Kevin Johao |
Tipo docuemento: | bachelorThesis |
Palabras clave : | PROGRAMA DE ORDENADOR;CULTIVO ALIMENTICIO;VISIÓN |
Fecha de publicación : | 12-ago-2024 |
Fecha de creación : | 30-jul-2024 |
Resumen : | La detección automática de malezas en el campo de la agricultura de precisión tiene un peso importante por los recursos que se ven involucrados en el desarrollo e implementación, siendo positivo o negativo de acorde a los resultados obtenidos, pues un buen modelo ayuda a eliminar de mejor manera las malezas de los cultivos, los cuales son responsables de apoderarse de los nutrientes, agua y luz solar que son necesarios para el correcto desarrollo de los cultivos. El proyecto abarca el desarrollo de un dataset propio de cultivos en los que se encuentran malezas y papas, las imágenes son adquiridas desde un dron, el entrenamiento de la arquitectura Xception que es propuesta desde un inicio y al cambio de arquitectura por EfficientDet, para posteriormente realizar el despliegue del modelo en una interfaz para ser difundida a terceros, para llegar a esto último se usan métricas relacionadas a deep learning para escoger el mejor modelo. |
Descripción : | Detectar automáticamente malezas en cultivos de maíz y/o papa utilizando imágenes adquiridas por drones empleando la arquitectura de red neuronal convolucional Xception. |
URI : | https://repositorio.utn.edu.ec/handle/123456789/16351 |
Ubicación: | 04/SOF/ 060 |
Ciudad. País: | Ibarra. Ecuador |
Grado Académico: | Ingeniería |
Código MFN : | 0000043373 |
Carrera Profesional: | Software |
Aparece en las colecciones: | Software |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
04 SOF 060 logo.jpg | Logo | 389.83 kB | JPEG | Visualizar/Abrir |
04 SOF 060 TRABAJO GRADO.pdf | Trabajo de Grado | 4.36 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está protegido por copyright original |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons