Predicción del crecimiento de un cultivo de Coffea arabica por medio de inteligencia artificial para la agricultura de precisión implementado en el dispositivo Farmbot

Simple item page
dc.contributor.advisorGonzález Estrada, Octavio Andrés
dc.contributor.advisorHernández Salazar, Cristian Andrés
dc.contributor.authorSánchez Restrepo, Hernán David
dc.contributor.evaluatorFuentes Diaz, David Alfredo
dc.contributor.evaluatorRios Diaz, Yennifer Yuliana
dc.date.accessioned2024-05-22T23:48:36Z
dc.date.available2024-05-22T23:48:36Z
dc.date.created2024-05-22
dc.date.embargoEnd2026-05-22
dc.date.issued2024-05-22
dc.description.abstractLa automatización es el futuro y el objetivo en todos los ámbitos de ingeniería, y los cultivos agrícolas no son ajenos al mismo. Por ello, desde tiempo atrás, se ha estado desarrollando la agricultura de precisión; uno de sus retos es la segmentación de imágenes, ya que para tener un monitoreo permanente es necesario la limpieza y clasificación de las imágenes proporcionadas por la sensórica que supervisa al cultivo. Esta investigación propone una metodología para la segmentación de la planta de coffea arabica. Las imágenes utilizadas provienen de un conjunto de datos creado en un proyecto anterior con la ayuda de un dispositivo Farmbot. Se desarrolló una red neuronal utilizando aprendizaje profundo con el modelo U2-Net. Se introdujo una base de datos de 5427 imágenes en la que la planta de café está rodeada de vegetación y maleza. Estos elementos se presentan como objetos destacados que dificultan la segmentación, ya que se interpretan como ruido al procesar las imágenes. Sin embargo, esta característica también fortalece la red neuronal, ya que desarrolla la capacidad de distinguir entre la vegetación común y la planta de coffea arabica. Los resultados de la segmentación muestran una precisión del 67%. Con los datos obtenidos por las imágenes segmentadas y las condiciones de su entorno, se realizó una predicción del crecimiento de las plantas, obteniendo una función del crecimiento muy similar a la real.
dc.description.abstractenglishAutomation is the future and the goal in all engineering fields, and agricultural crops are no stranger to it. For this reason, precision agriculture has been developing for some time now; one of its challenges is image segmentation, since in order to have a permanent monitoring it is necessary to clean and classify the images provided by the sensor system that supervises the crop. This research proposes a methodology for the segmentation of the coffea arabica plant. The images used come from a dataset created in a previous project with the help of a Farmbot device. A neural network was developed using deep learning with the U2-Net model. A database of 5427 images was introduced in which the coffee plant is surrounded by vegetation and weeds. These elements are presented as prominent objects that make segmentation difficult, as they are interpreted as noise when processing the images. However, this feature also strengthens the neural network, as it develops the ability to distinguish between common vegetation and the coffea arabica plant. The segmentation results show an accuracy of 67%. With the data obtained from the segmented images and the conditions of their environment, a prediction of plant growth was made, obtaining a growth function very similar to the real one.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero Mecánico
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/42575
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programIngeniería Mecánica
dc.publisher.schoolEscuela de Ingeniería Mecánica
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_f1cf
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAtribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectDeep Learning
dc.subjectFarmbot
dc.subjectcoffea arabica
dc.subjectconvolutional neural networks
dc.subjectprecision agriculture
dc.subject.keywordDeep Learning
dc.subject.keywordFarmbot
dc.subject.keywordcoffea arabica
dc.subject.keywordconvolutional neural networks
dc.subject.keywordprecision agriculture
dc.titlePredicción del crecimiento de un cultivo de Coffea arabica por medio de inteligencia artificial para la agricultura de precisión implementado en el dispositivo Farmbot
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 4 of 4
No Thumbnail Available
Name:
Documento.pdf
Size:
1.58 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de Autorizacion.pdf
Size:
48.72 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta-Confidencialidad.pdf
Size:
61.43 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de Proyecto.pdf
Size:
323.61 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Ingeniería Mecánica