The future of agriculture: detecting tomato maturity levels with YOLOv8 / Jean Carlo Camacho Espín ; tutor Manuel Eugenio Morocho Cayamcela
Tipo de material: TextoIdioma: Inglés Idioma del resumen: Español Fecha de copyright: Urcuquí, 2023Descripción: 104 hojas : ilustraciones (algunas a color) ; 30 cm + 1 CD-ROMTema(s): Recursos en línea: Nota de disertación: Trabajo de integración curricular (Ingeniero en Tecnologías de la Información). Universidad de Investigación de Tecnología Experimental Yachay. Urcuquí, 2023 Resumen: Una de las principales fuentes de ingresos en Ecuador es la agricultura. Al fomentar la aplicación de procesos de industrialización u optimización en cualquiera o en múltiples procesos como la siembra, el crecimiento o la cosecha, representaría una mejora sustancial en el producto final. Este trabajo explora la detección de cultivos en diferentes estados de maduración para la predicción de la cosecha, en este caso, el tomate, usando un conjunto de imágenes RGB para entrenar modelos de Mask R-CNN y YOLOv8. Pueden existir diferentes formatos y fuentes de información para entrenar modelos; sin embargo, una buena base de datos de imágenes RGB contiene información suficiente para alcanzar el objetivo. Una base de datos que contenga imágenes de tomates en diferentes ambientes y condiciones de luz sin duda enriquecerá el modelo. El modelo entrenado predice tres estados de maduración: maduro, medio maduro y verde. Este trabajo compara metodologías del estado del arte en el campo de la agricultura de precisión y detección y segmentación de objetos. Además, la metodología aplicada en este trabajo se puede extrapolar a otros tipos de cultivos masivos, pero se ha decidido aplicarla a los tomates debido a la gran abundancia de datos de calidad y usabilidad de los mismos.Tipo de ítem | Biblioteca actual | Signatura | Copia número | Estado | Fecha de vencimiento | Código de barras | Reserva de ítems | |
---|---|---|---|---|---|---|---|---|
Tesis | Biblioteca Yachay Tech | ECMC0140 (Navegar estantería(Abre debajo)) | 1 | No para préstamo | T000588 |
Trabajo de integración curricular (Ingeniero en Tecnologías de la Información). Universidad de Investigación de Tecnología Experimental Yachay. Urcuquí, 2023
Incluye referencias bibliográficas (páginas 73-82)
Trabajo de integración curricular con acceso abierto
Texto (Hypertexto links)
Una de las principales fuentes de ingresos en Ecuador es la agricultura. Al fomentar la aplicación de procesos de industrialización u optimización en cualquiera o en múltiples procesos como la siembra, el crecimiento o la cosecha, representaría una mejora sustancial en el producto final. Este trabajo explora la detección de cultivos en diferentes estados de maduración para la predicción de la cosecha, en este caso, el tomate, usando un conjunto de imágenes RGB para entrenar modelos de Mask R-CNN y YOLOv8. Pueden existir diferentes formatos y fuentes de información para entrenar modelos; sin embargo, una buena base de datos de imágenes RGB contiene información suficiente para alcanzar el objetivo. Una base de datos que contenga imágenes de tomates en diferentes ambientes y condiciones de luz sin duda enriquecerá el modelo. El modelo entrenado predice tres estados de maduración: maduro, medio maduro y verde. Este trabajo compara metodologías del estado del arte en el campo de la agricultura de precisión y detección y segmentación de objetos. Además, la metodología aplicada en este trabajo se puede extrapolar a otros tipos de cultivos masivos, pero se ha decidido aplicarla a los tomates debido a la gran abundancia de datos de calidad y usabilidad de los mismos.
Textos en inglés con resúmenes en español e inglés
No hay comentarios en este titulo.