Sistema inteligente de detección de estrés hídrico para determinar la calidad de cultivo de lechuga a través de visión artificial

Abstract

En el trabajo de titulación se desarrolló un sistema inteligente de detección de estrés hídrico para determinar la calidad de cultivo de lechuga a través de Visión Artificial, como un método de apoyo hacia el sector agrícola, de forma que se pueda obtener un mayor control en el desarrollo de la producción, evitar pérdidas y determinar la calidad de los cultivos mediante su clasificación. Se establecieron cuatro fases: preliminar, planificación, ejecución y resultados. En la fase preliminar se realizó una investigación científica para definir algoritmos adecuados para la identificación y clasificación de objetos, seleccionando así la arquitectura de red neuronal convolucional Inception V3. Para las fases de planificación y ejecución se aplicó la metodología en Espiral en sus cuatro etapas generales: planificación, análisis, ingeniería y evaluación. En la etapa de planificación se identificaron los requisitos que debe cumplir el sistema y se determinaron los recursos disponibles. En la etapa de análisis, se propuso alternativas, prototipos y diseños, mediante un esquema de adquisición de datos usando 2 cámaras de alta resolución ubicadas en áreas estratégicas, cuyas imágenes son almacenadas en la nube de Ezviz, para luego pasar por un proceso de detección de bordes y etiquetado mediante el software LabelImg. En la etapa de ingeniería se agregó funcionalidades al prototipo propuesto, se realizó el entrenamiento de la red neuronal en Google Colab y se integró el modelo entrenado en la placa embebida Nvidia Jetson Nano. Finalmente, se realiza una evaluación del prototipo, mediante la utilización de sistema embebido junto con una pantalla se accede a una interfaz amigable con el usuario, de forma que sea capaz de obtener información sobre la clasificación de cada lote del cultivo de lechuga, catalogándola como apta y no apta. Además, se realizó un análisis de la precisión del sistema.