Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.utn.edu.ec/handle/123456789/18167
Citar este ítem

Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.authorGarcía Santillán, Iván Danilo-
dc.contributor.authorPusdá Chulde, Marco Remigio-
dc.contributor.authorCaranqui Sánchez, Víctor Manuel-
dc.contributor.authorLandeta López, Pablo Andrés-
dc.contributor.authorSalazar Fierro, Fausto Alberto-
dc.contributor.authorGranda Gudiño, Pedro David-
dc.date.accessioned2025-12-08T14:47:54Z-
dc.date.available2025-12-08T14:47:54Z-
dc.date.created2019-07-22-
dc.date.issued2025-12-08-
dc.identifier.issn1646-9895-
dc.identifier.urihttps://repositorio.utn.edu.ec/handle/123456789/18167-
dc.description.abstractEste estudio presenta un método adaptado para discriminación automática de cultivos y malas hierbas a través de imágenes capturadas en campos de papa, durante las etapas iniciales del crecimiento, aplicando un criterio de similitud, basado en la distancia de Mahalanobis. La detección de malezas es útil en agricultura de precisión para cuanticar y aplicar tratamientos selectivos. Las imágenes se obtuvieron, en proyección de perspectiva, con una cámara instalada a bordo de un tractor. La calidad de la imagen resulta afectada por las condiciones de iluminación no controladas y diferentes tamaños de plantas. El método propuesto consta de tres fases: segmentación, entrenamiento y pruebas. La principal contribución es la habilidad para discriminar cultivo y malas hierbas localizadas entre las líneas de cultivo y dentro del mismo surco. El rendimiento del método se comparó cuantitativamente con dos estrategias existentes, logrando una precisión del 89,65%, con tiempos de procesamiento inferiores a 330 ms.es_EC
dc.language.isospaes_EC
dc.publisherRevista Ibérica de Sistemas e Tecnologias de Informaçãoes_EC
dc.rightsopenAccesses_EC
dc.rightsAtribución-NoComercial-CompartirIgual 3.0 Ecuador*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/ec/*
dc.subjectAGRICULTURAes_EC
dc.subjectCULTIVOSes_EC
dc.subjectVISIÓN POR COMPUTADORes_EC
dc.subjectANÁLISIS DE IMÁGENESes_EC
dc.titleDiscriminación de cultivo y malezas en campos de papa utilizando técnicas de visión por computadores_EC
dc.typeArticlees_EC
dc.description.degreeN/Aes_EC
dc.coverageIbarra. Ecuadores_EC
dc.contributor.orcidhttps://orcid.org/0000-0001-6404-5185es_EC
dc.contributor.orcidhttps://orcid.org/0000-0003-4265-999Xes_EC
dc.contributor.orcidhttps://orcid.org/0000-0001-9296-3012es_EC
dc.contributor.orcidhttps://orcid.org/0000-0002-2914-8696es_EC
dc.contributor.orcidhttps://orcid.org/0000-0003-1558-6721es_EC
dc.contributor.orcidhttps://orcid.org/0000-0001-5638-5673es_EC
dc.title.enCrop and Weed Discrimination in Potato Fields Using Computer Vision Techniqueses_EC
dc.subject.enCROP/WEED DISCRIMINATIONes_EC
dc.subject.enMAHALANOBIS DISTANCEes_EC
dc.subject.enSEGMENTATIONes_EC
dc.subject.enCOMPUTER VISIONes_EC
dc.description.abstract-enThis study presents an adapted method for crop/weed discrimination in images captured in potato fields during initial stages of growth, applying a criterion of similarity based on Mahalanobis distance. Weed detection is useful in precision agriculture to quantify and apply site-specific treatments. The images were obtained in perspective projection with a camera installed on board a tractor. The quality of the image is affected by uncontrolled lighting conditions and diferent plant sizes. The proposed method consists of three phases: segmentation, training and testing. The main contribution is the ability to discriminate crop and weeds located between the crop lines and within the same furrow. The performance of the method was compared quantitatively with two existing strategies, achieving an accuracy of 89,65% with processing times less than 330 ms.es_EC
dc.identifier.doihttps://www.researchgate.net/publication/334680549_Discriminacion_de_cultivo_y_malezas_en_campos_de_papa_utilizando_tecnicas_de_vision_por_computadores_EC
Aparece en las colecciones: Artículos

Ficheros en este ítem:
No hay ficheros asociados a este ítem.


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons