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.

This publication has 10 references indexed in Scilit: