Mapeo del rendimiento de cosecha mediante sistema de detección y conteo de fresas
Open Access
- 24 September 2024
- conference paper
- Published by Asociacion Colombiana de Facultades de Ingenieriia (ACOFI) in Encuentro Internacional de Educación en Ingeniería
- p. 1-10
Abstract
Se ha desarrollado un sistema de visión artificial para mejorar el monitoreo y rendimiento del cultivo de fresas en Colombia, un sector crucial para el desarrollo sostenible del país. Este sistema innovador emplea algoritmos de visión artificial para realizar una adquisición de información no invasiva, facilitando el análisis detallado de las condiciones del cultivo. El proceso de desarrollo consta de tres etapas principales: adquisición y preprocesamiento de datos, detección y seguimiento de frutos, y segmentación y clasificación para estimar el rendimiento de la cosecha. En la primera etapa, el sistema utiliza una cámara 3D Intel RealSense D435i junto con un sistema GPS RTK para capturar imágenes georreferenciadas de los surcos de cultivo. Las imágenes preprocesadas son transferidas a la segunda etapa, donde algoritmos de Deep Learning, como Mask-RCNN y YoloV8, detectan y cuentan los frutos en las imágenes. La tercera etapa mejora la segmentación y extracción de características de los frutos, alimentando un sistema de clasificación que genera estimaciones precisas del rendimiento de la cosecha. Este sistema integral combina técnicas de Visión Artificial y procesamiento de datos georreferenciados, ofreciendo una herramienta eficaz para la gestión del cultivo de fresas.Keywords
This publication has 10 references indexed in Scilit:
- An RGB-D multi-view perspective for autonomous agricultural robotsComputers and Electronics in Agriculture, 2022
- Strawberry Maturity Classification from UAV and Near-Ground Imaging Using Deep LearningSmart Agricultural Technology, 2021
- A mango picking vision algorithm on instance segmentation and key point detection from RGB images in an open orchardBiosystems Engineering, 2021
- Application of consumer RGB-D cameras for fruit detection and localization in field: A critical reviewComputers and Electronics in Agriculture, 2020
- Comparison of convolutional neural networks in fruit detection and counting: A comprehensive evaluationComputers and Electronics in Agriculture, 2020
- Grape detection, segmentation, and tracking using deep neural networks and three-dimensional associationComputers and Electronics in Agriculture, 2020
- Fruit detection and 3D location using instance segmentation neural networks and structure-from-motion photogrammetryComputers and Electronics in Agriculture, 2020
- Faster R-CNN for multi-class fruit detection using a robotic vision systemComputer Networks, 2020
- Vision-based preharvest yield mapping for apple orchardsComputers and Electronics in Agriculture, 2019
- Deep learning – Method overview and review of use for fruit detection and yield estimationComputers and Electronics in Agriculture, 2019