000 | 02856nam a22003257a 4500 | ||
---|---|---|---|
003 | EC-UrYT | ||
005 | 20231202121049.0 | ||
008 | 150116t9999 mx r gr 000 0 spa d | ||
040 | _cEC-UrYT | ||
041 |
_aeng _bspa |
||
100 | 1 |
_aCamacho Espín, Jean Carlo _915430 _eautor |
|
245 | 1 | 4 |
_aThe future of agriculture: detecting tomato maturity levels with YOLOv8 / _cJean Carlo Camacho Espín ; tutor Manuel Eugenio Morocho Cayamcela |
264 | 4 |
_aUrcuquí, _c2023 |
|
300 |
_a104 hojas : _bilustraciones (algunas a color) ; _c30 cm + _e1 CD-ROM |
||
502 |
_aTrabajo de integración curricular _b(Ingeniero en Tecnologías de la Información). _cUniversidad de Investigación de Tecnología Experimental Yachay. _gUrcuquí, _d2023 |
||
504 | _aIncluye referencias bibliográficas (páginas 73-82) | ||
506 | _aTrabajo de integración curricular con acceso abierto | ||
516 | _aTexto (Hypertexto links) | ||
520 | _aUna 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. | ||
546 | _aTextos en inglés con resúmenes en español e inglés | ||
650 | 0 |
_aDetección de objetos _913009 |
|
650 | 0 |
_aAprendizaje profundo _912693 |
|
650 | 0 |
_aAgricultura de precisión _912787 |
|
650 | 0 |
_aTecnologías de la Información _93891 _vTrabajos y disertaciones académicas |
|
700 | 1 |
_aMorocho Cayamcela, Manuel Eugenio _912750 _etutor |
|
710 | 1 |
_aUniversidad de Investigación de Tecnología Experimental Yachay. _911232 _bEscuela de Ciencias Matemáticas y Computacionales |
|
856 |
_zVer recurso _uhttp://repositorio.yachaytech.edu.ec/handle/123456789/677 |
||
942 |
_2ddc _cTIC |
||
999 |
_c4459 _d4459 |