Sistema inteligente de detección de estrés hídrico para determinar la calidad de cultivo de lechuga a través de visión artificial

dc.contributorCuzme Rodríguez, Fabián Geovanny
dc.contributorElectrónica y Redes de Comunicación
dc.creatorRivera Vaca, Carla Dayanara
dc.date2023-06-28T21:38:33Z
dc.date2023-06-28T21:38:33Z
dc.date2023-06-12
dc.date2023-06-28
dc.date.accessioned2023-08-10T20:52:39Z
dc.date.available2023-08-10T20:52:39Z
dc.identifier04/RED/ 354
dc.identifierhttp://repositorio.utn.edu.ec/handle/123456789/14348
dc.identifier0000041399
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/8185563
dc.descriptionDiseñar un sistema inteligente de detección de estrés hídrico en el cultivo de lechuga mediante aprendizaje de máquina y visión artificial para determinar la calidad del cultivo.
dc.descriptionEn el trabajo de titulación se desarrolló un sistema inteligente de detección de estrés hídrico para determinar la calidad de cultivo de lechuga a través de Visión Artificial, como un método de apoyo hacia el sector agrícola, de forma que se pueda obtener un mayor control en el desarrollo de la producción, evitar pérdidas y determinar la calidad de los cultivos mediante su clasificación. Se establecieron cuatro fases: preliminar, planificación, ejecución y resultados. En la fase preliminar se realizó una investigación científica para definir algoritmos adecuados para la identificación y clasificación de objetos, seleccionando así la arquitectura de red neuronal convolucional Inception V3. Para las fases de planificación y ejecución se aplicó la metodología en Espiral en sus cuatro etapas generales: planificación, análisis, ingeniería y evaluación. En la etapa de planificación se identificaron los requisitos que debe cumplir el sistema y se determinaron los recursos disponibles. En la etapa de análisis, se propuso alternativas, prototipos y diseños, mediante un esquema de adquisición de datos usando 2 cámaras de alta resolución ubicadas en áreas estratégicas, cuyas imágenes son almacenadas en la nube de Ezviz, para luego pasar por un proceso de detección de bordes y etiquetado mediante el software LabelImg. En la etapa de ingeniería se agregó funcionalidades al prototipo propuesto, se realizó el entrenamiento de la red neuronal en Google Colab y se integró el modelo entrenado en la placa embebida Nvidia Jetson Nano. Finalmente, se realiza una evaluación del prototipo, mediante la utilización de sistema embebido junto con una pantalla se accede a una interfaz amigable con el usuario, de forma que sea capaz de obtener información sobre la clasificación de cada lote del cultivo de lechuga, catalogándola como apta y no apta. Además, se realizó un análisis de la precisión del sistema.
dc.descriptionIngeniería
dc.formatimage/jpeg
dc.formatapplication/pdf
dc.languagespa
dc.rightsopenAccess
dc.rightsAtribución-NoComercial-CompartirIgual 3.0 Ecuador
dc.rightshttp://creativecommons.org/licenses/by-nc-sa/3.0/ec/
dc.subjectVISIÓN ARTIFICIAL
dc.subjectRIEGO INTELIGENTE
dc.subjectCULTIVO
dc.subjectLECHUGA
dc.subjectAPLICACIONES TECNOLÓGICAS
dc.subjectAPRENDIZAJE DE MÁQUINA
dc.titleSistema inteligente de detección de estrés hídrico para determinar la calidad de cultivo de lechuga a través de visión artificial
dc.typebachelorThesis
dc.coverageIbarra. Ecuador


Este ítem pertenece a la siguiente institución