Diseño de un sistema de visión artificial para la identificación de camas de siembra vacías en un entorno controlado

Abstract

RESUMEN: El siguiente trabajo muestra el diseño y desarrollo de un sistema de detección de espacios vacíos en las camas de siembra de la empresa Flores el Trigal, este trabajo detalla el planteamiento del problema y la metodología implementada en el proceso de desarrollo. En la empresa Flores el Trigal se lleva a cabo el cultivo de varios tipos de flores, entre estos está el Pompón, la cual es la flor de interés en este trabajo de grado, sucede que en el proceso de cultivo se llegan a presentar diversas perdidas en los esquejes, este fenómeno se debe a que en algunos casos no se llegan a sembrar todos los esquejes, o el proceso de siembre no se lleva a cabo de la manera adecuada. Para dar solución a este problema se propuso la implementación de un sistema de visión artificial el cual pueda realizar la detección de estas zonas que quedan sin sembrar, el cumplimiento de este sistema es posible implementando una Raspberry Pi 3B+. El desarrollo metodológico se realiza implementado la estructura expuesta por Karl T Ulrich, en esta se detalla el proceso de construcción que se llevó a cabo en la fabricación de la estructura y del modelo implementado que ofrece la red neuronal Yolo y Custom Vision, por medio de estas dos herramientas es posible realizar el reconocimiento de las variables designadas como Pompón, Espacio y Fallo, adicional a esto se utiliza la técnica de procesamiento digital de imágenes, implementando la librería OpenCV de Python. Estas técnicas permiten identificar las variables anteriormente nombradas, estas variables se obtienen a partir de un modelo entrenado, el cual cuenta con un porcentaje de desempeño y acierto, estos modelos se sujetan a comparación para elegir el modelo que va a ser implementado en el sistema Raspberry Pi 3B+, el cual permitirá la detección en campo.

ABSTRACT: The following work shows the design and development of a system for the detection of empty spaces in the planting beds of the company Flores el Trigal, this work details the problem statement and the methodology implemented in the development process. In the company Flores el Trigal several types of flowers are cultivated, among these is the Pompon, which is the flower of interest in this degree work, it happens that in the cultivation process there are several losses in the cuttings, this phenomenon is due to the fact that in some cases not all the cuttings are planted, or the sowing process is not carried out in the right way. To solve this problem we proposed the implementation of an artificial vision system which can detect these areas that remain unseeded, the fulfillment of this system is possible by implementing a Raspberry Pi 3B+. The methodological development is carried out by implementing the structure exposed by Karl T Ulrich, this details the construction process that was carried out in the manufacture of the structure and the implemented model that offers the neural network Yolo and Custom Vision, through these two tools it is possible to perform the recognition of the variables designated as Pompon, Space and Failure, in addition to this the technique of digital image processing is used, implementing the OpenCV library of Python. These techniques allow the identification of the variables previously mentioned, these variables are obtained from a trained model, which has a percentage of performance and accuracy, these models are subjected to comparison to choose the model to be implemented in the Raspberry Pi 3B+ system, which will allow the detection in the field