|
Please use this identifier to cite or link to this item:
https://repositorio.utn.edu.ec/handle/123456789/16351
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | García Santillán, Iván Danilo | - |
dc.contributor.author | Lema Días, Kevin Johao | - |
dc.date.accessioned | 2024-08-12T17:11:26Z | - |
dc.date.available | 2024-08-12T17:11:26Z | - |
dc.date.created | 2024-07-30 | - |
dc.date.issued | 2024-08-12 | - |
dc.identifier.other | 04/SOF/ 060 | es_EC |
dc.identifier.uri | https://repositorio.utn.edu.ec/handle/123456789/16351 | - |
dc.description | Detectar automáticamente malezas en cultivos de maíz y/o papa utilizando imágenes adquiridas por drones empleando la arquitectura de red neuronal convolucional Xception. | es_EC |
dc.description.abstract | 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. | es_EC |
dc.language.iso | spa | es_EC |
dc.rights | openAccess | es_EC |
dc.rights | Atribución-NoComercial-CompartirIgual 3.0 Ecuador | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/ec/ | * |
dc.subject | PROGRAMA DE ORDENADOR | es_EC |
dc.subject | CULTIVO ALIMENTICIO | es_EC |
dc.subject | VISIÓN | es_EC |
dc.title | Detección automática de malezas en cultivos de maíz y/o papa utilizando imágenes adquiridas por drones empleando la arquitectura de red neuronal convolucional xception | es_EC |
dc.type | bachelorThesis | es_EC |
dc.description.degree | Ingeniería | es_EC |
dc.contributor.deparment | Software | es_EC |
dc.coverage | Ibarra. Ecuador | es_EC |
dc.identifier.mfn | 0000043373 | es_EC |
Appears in Collections: | Software |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
04 SOF 060 logo.jpg | Logo | 389.83 kB | JPEG | View/Open |
04 SOF 060 TRABAJO GRADO.pdf | Trabajo de Grado | 4.36 MB | Adobe PDF | View/Open |
This item is protected by original copyright |
This item is licensed under a Creative Commons License