Estimaci?n de fenotipos de pl?ntulas de ma?z a partir de nubes de puntos adquiridas en ambiente controlado

dc.contributorForero Vargas, Manuel Guillermo
dc.contributorMurcia Moreno, Harold Fabian
dc.creatorBetancourt Lozano, Juan Jose
dc.date2023-08-23T22:28:15Z
dc.date2023-08-23T22:28:15Z
dc.date2022
dc.date.accessioned2023-08-31T19:04:19Z
dc.date.available2023-08-31T19:04:19Z
dc.identifierBetancourt Lozano, J.J. (2022). Estimaci?n de fenotipos de pl?ntulas de ma?z a partir de nubes de puntos adquiridas en ambiente controlado. [Tesis Maestr?a, Universidad de Ibagu?]. https://hdl.handle.net/20.500.12313/3787
dc.identifierhttps://hdl.handle.net/20.500.12313/3787
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/8555198
dc.descriptionLa fenotificaci?n o estimaci?n de rasgos morfol?gicos en pl?ntulas, mediante t?cnicas se miautom?ticas, es cada vez m?s relevante en los estudios de valoraci?n de genotipos a nivel de ?rganos, consiguiendo tener un an?lisis m?s preciso de las caracter?sticas de ca da planta en ambientes controlados, permitiendo de esta manera encontrar las mejores variedades. As?, en este trabajo se presenta una t?cnica semiautom?tica para la segmen taci?n de ?rganos de pl?ntulas de ma?z y la estimaci?n de caracter?sticas fenot?picas a nivel poblacional, individual y de ?rganos. Para ello, se utiliz? una plataforma LiDAR construida previamente por otro miembro del proyecto y la base de datos obtenida en dicho trabajo como punto de partida. Mediante pruebas experimentales, se estableci? un protocolo de adquisici?n para mejorar la calidad de los datos obtenidos por la plataforma, el cual se utiliz? para aumentar la base de datos existente. Luego, se realiz? un estudio comparativo de filtros empleados para la eliminaci?n de ruido en nubes de puntos con el fin de mejorar la calidad de la base de datos. Posteriormente, empleando t?cnicas de aprendizaje de maquinas cl?sico y procesamiento de im?genes, se realiz? la segmentaci?n del tallo de la planta y la identificaci?n de cada hoja. Los resultados obtenidos arrojaron una exactitud del 85.71 % en la segmentaci?n del tallo, 85.50 % en el conteo de hojas y 70.11 % en la identificaci?n de hojas. Por ?ltimo, se obtuvieron algunos fenotipos del ma?z que se encuentran en la literatura y se analizaron a nivel poblacional (altura promedio y cantidad de hojas promedio), individual (altura, ?rea foliar, ?ngulo de inclinaci?n y volumen) y de ?rganos (largo, ancho, ?ngulo de inclinaci?n y volumen).
dc.descriptionThe phenotyping or estimation of morphological traits in seedlings, by means of semiau tomatic techniques, is becoming more and more relevant in genotype evaluation studies at the organ level, achieving a more precise analysis of the characteristics of each plant in controlled environments, thus allowing to find the best varieties. Thus, this work presents a semi-automatic technique for the segmentation of maize seedling organs and the esti mation of phenotypic characteristics at the population, individual and organ level. For this purpose, a LiDAR platform previously built by another member of the project and the database obtained in that work were used as a starting point. Through experimental tests, an acquisition protocol was established to improve the quality of the data obtained by the platform, which was used to augment the existing database. Then, a comparative study of filters used for the elimination of noise in point clouds was carried out in order to improve the quality of the database. Subsequently, using classical machine learning and image processing techniques, the segmentation of the plant stem and the identification of each leaf was performed. The results obtained showed an accuracy of 85.71 % in stem seg mentation, 85.50 % in leaf counting and 70.11 % in leaf identification. Finally, some maize phenotypes found in the literature were obtained and analyzed at the population (average height and average number of leaves), individual (height, leaf area, angle of inclination and volume) and organ (length, width, angle of inclination and volume) levels.
dc.descriptionMaestr?a
dc.descriptionMag?ster en Ingenier?a de Control
dc.descriptionContiene ilustraciones y anexos
dc.descriptionContenido Resumen . . . . . iii Lista de Figuras .. . . . x Lista de Tablas . . . . xii Introducci?n . . . . . . 1 1. Objeto de Estudio 3 1.1. Antecedentes y delimitacion del problema . . . . 3 1.2. Pregunta de Investigaci?n . . . . . . . 4 1.3. Justificaci?n del estudio . . . . . . . 5 1.4. Estado del arte . . . . . . . . . 5 1.4.1. Trabajo relacionado . . . . . . 5 1.4.2. Trabajo previo . . . . . . . . 7 1.5. Objetivos ... . . . . . 8 1.5.1. Objetivo General . . . . . . . 8 1.5.2. Objetivos Espec?ficos . . . . 9 2. Marco Te?rico 10 2.1. Fenotipado de plantas . . . . 10 2.2. Nube de puntos . . . . . . . . 11 2.3. Registro de nube de puntos . . 11 2.4. Instrumentos de adquisici?n de nubes de puntos . . . . . . 12 2.4.1. Sensor EinScan Pro v2 . . . . . . . . . . . 12 2.4.2. Sensor Hokuyo UTM-30LX . . . . . . . . . . 14 2.4.3. Sensor LiDAR SICK LMS4121R-13000 . . . . . 15 2.5. Filtrado de nube de puntos ..... . . . . . . 16 2.6. Medici?n del error . . . . . . . . . . . . 17 2.6.1. Error cuadr?tico Medio (RMSE) . . . . . . 18 2.6.2. Indice de Jaccard . . . . . . . . . . . . 18 2.7. Vecindad en nubes de puntos . . . . . . . . 18 2.8. Descriptores . . . . . . . . . . 20 2.9. Clasificador . . . . . . . . . 21 2.10. M?tricas de evaluaci?n de clasificadores . . . . . . . 23 3. Desarrollo 25 3.1. Protocolo de adquisici?n. . . . . . . . . 25 3.1.1. Recopilaci?n de protocolos de adquisici?n de otros sensores . . . . 26 3.1.2. Protocolo de adquisici?n uno . . . . . . . . . . . . . . . 35 3.1.3. Mejoras del protocolo de adquisici?n . . . . . . . . . . 39 3.2. Base de datos y fenotipos . . . . . . . . . . . . . . . . 44 3.2.1. Segmentaci?n de ?rganos . . . . . . . . . . . . . . . . 47 3.2.2. Obtenci?n de los datos Ground Truth . . . . . . . . . . 49 3.3. Preprocesamiento . . . . . . . . . . . . 51 3.3.1. Segmentaci?n del objeto y entorno . . . . . 51 3.3.2. Filtrado . . . . . . . . . . . . . . . 53 3.4. M?todo semiautom?tico de estimaci?n . . 58 3.4.1. Segmentaci?n de ?rganos . . . . . . . 59 3.4.2. Estimaci?n de fenotipos .. . . . . . . 71 4. Resultados 78 4.0.1. Mejoras en exactitud del escaneo y condiciones de las plantas . . . 78 4.0.2. Segmentaci?n del tallo . . . . . . 79 4.0.3. Segmentaci?n de hojas . . . . . . 81 4.0.4. Estimaci?n de fenotipos . . . . . 83 5. Conclusiones y Recomendaciones 91 5.1. Conclusiones . . . . . . . . . . 91 5.2. Recomendaciones . . . . . . . . 92 5.3. Aportes . . . . . . . . . . . . 93 6. Anexos 103 6.1. Anexo A: Valores de RMS e ?ndice de Jaccard de la identificaci?n de los mejores filtros para las nubes de puntos de la base de datos . . . . . . . . 103 6.2. Anexo B: Distribuciones gaussianas de los descriptores evaluando la clase hojas y tallo por separado en cada tipo de vecindario. . . . . . . . . . . . 105 6.3. Anexo C: Gr?ficas de cambio de cantidad de autovalores y componentes principales en los m?todos LDA y PCA en cada vecindario. . . . . . . . . 115 6.4. Anexo D: Accuracy, F1-Score y Matrices de confusi?n resultantes de la aplicaci?n de los metodos de clasificaci?n en la identificaci?n del tallo y hojas . . . . . 120 6.5. Anexo E: Comparaci?n de estimaci?n de cantidad de hojas utilizando des criptor DAP . . . . . . . . 126 6.6. Anexo F: Publicaciones y eventos. . . . . . 128 6.6.1. Publicaciones . . . . . . . . . . . . 128 6.6.2. Participaci?n en eventos . . . . . . 131 6.6.3. Premios . . . . . . . . . . . . . . 137 6.7. Anexo G: Participaci?n en trabajos de grado . . . . . . . . 138 6.7.1. Participaci?n en proyectos de maestr?a . . . . . . . 138 6.7.2. Participaci?n en proyectos de pregrado . . . . . . . . . 139 6.8. Anexo H: Registro de prototipo de Hardware y Software . . . . 143 6.8.1. Registro Hardware . . . . . . . . 143 6.8.2. Registro Software . . . . . . . 143
dc.format1 CD(157 p?ginas)
dc.formatapplication/pdf
dc.formatapplication/pdf
dc.formatapplication/pdf
dc.languagespa
dc.publisherUniversidad de Ibagu?
dc.publisherIngenier?a
dc.publisherIbagu?
dc.publisherMaestr?a en Ingenier?a de Control
dc.relationK. Academy, ?La ley de la segregaci?n (art?culo),? 2022. [Online]. Available: https://n9.cl/oa3wo
dc.relationF. Serrano, J. Saumell, and F. Berenguer, ?An?lisis de resultados m?tricos de una nube de puntos y una medici?n directa en el patrimonio edificado. El Santuario de La Monta?a en C?ceres,? Informes de la Construcci?n, vol. 66, no. 534, pp. e016? e016, Jun. 2014, number: 534. [Online]. Available: https://informesdelaconstruccion. revistas.csic.es/index.php/informesdelaconstruccion/article/view/3244
dc.relationGeocom, ?Nube de puntos: Registro, referenciaci?n y georreferenciaci?n.? [Online]. Available: https://n9.cl/8d36y
dc.relationZ. C. Impresora 3D Bogot? Creality, Artillery, ?Esc?ner 3D - Shining 3D einscan PRO HD,? 2020. [Online]. Available: https://n9.cl/q3c4p
dc.relationC. Cano Olivera, ?Tel?metro l?ser 3d con sensor hokuyo utm-30lx,? Tesis de pregrado, Universidad Carlos III de Madrid, Madrid, Espa??, 2010.
dc.relationS. Electronics, ?Sick 1091423 LMS4111R-13000 2D LiDAR Sensor,? 2021. [Online]. Available: https://n9.cl/aix2x
dc.relationX.-F. Han, J. S. Jin, M.-J. Wang, W. Jiang, L. Gao, and L. Xiao, ?A review of algorithms for filtering the 3D point cloud,? Signal Processing: Image Communication, vol. 57, pp. 103?112, Sep. 2017. [Online]. Available: https://www.sciencedirect.com/science/article/pii/S0923596517300930
dc.relationScikit-learn, ?2.1. Gaussian mixture models,? 2020. [Online]. Available: https: //n9.cl/dp82y
dc.relationschichtwerkstatt.de, ?Shining 3D EinScan-Pro 2X v2,? 2020. [Online]. Available: https://n9.cl/5qmoi
dc.relationD. Castro Mendez, ?An?lisis morfol?gico tridimensional de plantas a partir de im? genes 3d de alta resoluci?n en condiciones de laboratorio,? Tesis de maestr?a, Uni versidad de Ibagu?, Ibagu?, Colombia, 2022
dc.relationM. Weinmann, Reconstruction and analysis of 3D scenes. Springer, 2016, vol. 1.
dc.relationF. G. M. Abril, A. F. M. Martin, and J. M. O. D?az, ?Crecimiento poblacional y pol?ticas p?blicas,? Apuntes del CENES, vol. 27, no. 44, pp. 149?162, 2007.
dc.relationC. Vega, ?Crecimiento poblacional, consumismo y medio ambiente,? Revista de los estudiantes deficiencias forestales Universidad Nacional Agraria La Molina, p. 72, 2008.
dc.relationL.-T. Pan, ?Vejez y envejecimiento en china,? Estudios de Asia y ?frica, vol. 52, no. 2, pp. 459?470, 2017.
dc.relationJ. M. H. Hasbun and J. C. H. Hasbun, ?Estudio de factibilidad del proyecto de producci?n de metarhizium anisopliae para la fundaci?n hondure?a de investigaci?n agr?cola (fhia).? 2023.
dc.relationD. P. V. Ram?rez and N. L. S. Cr?z, ?Evoluci?n e impacto del cr?dito del sector agr?cola en honduras en el per?odo 2000-2015,? 2023.
dc.relationM. A. Montoya and L. Hern?ndez-Adame, ?Problematizaci?n de la investigaci?n en nanotecnolog?a agr?cola y alimentaria en el marco de la nueva pol?tica de ciencia, tecnolog?a e innovaci?n en m?xico,? Mundo Nano. Revista Interdisciplinaria en Na nociencias y Nanotecnolog?a, vol. 16, no. 30, pp. 1e?24e, 20
dc.relationnoticias, ?En el 2018, el 82 % del ma?z en Colombia se import?,? Jun. 2019. [Online]. Available: https://n9.cl/6ntqv
dc.relation?Federaci?n nacional de cultivadores de cereales y leguminosas ? FENALCE, 22 de junio de 2018,? Mar. 2022. [Online]. Available: https://n9.cl/5bw4l
dc.relationI. P. Almeida and P. J. G. Mendoza, ?Aportes de la biotecnolog?a al mejoramiento del ma?z,? Revista Peruana de Innovaci?n Agraria-ISSN: 2810-8876 (En l?nea), vol. 1, no. 1, pp. 130?150, 2021.
dc.relationS. Thapa, F. Zhu, H. Walia, H. Yu, and Y. Ge, ?A Novel LiDAR-Based Instrument for High-Throughput, 3D Measurement of Morphological Traits in Maize and Sorghum,? Sensors, vol. 18, no. 4, p. 1187, Apr. 2018, number: 4 Publisher: Multidisciplinary Digital Publishing Institute. [Online]. Available: https://www.mdpi.com/1424-8220/18/4/1187
dc.relationR. F. McCormick, S. K. Truong, and J. E. Mullet, ?3D Sorghum Reconstructions from Depth Images Identify QTL Regulating Shoot Architecture,? Plant Physiology, vol. 172, no. 2, pp. 823?834, Oct. 2016. [Online]. Available: https://doi.org/10.1104/pp.16.00948
dc.relationU. Nations, ?Poblaci?n | Naciones Unidas,? 2019, publisher: United Nations. [Online]. Available: https://n9.cl/0w04k
dc.relationR. M. Ortega, ?Cereales de grano completo y sus beneficios sanitarios,? NUTRICION HOSPITALARIA, no. 1, pp. 25?31, Jul. 2015. [Online]. Available: https://doi.org/10.3305/nh.2015.32.sup1.9475
dc.relationStatista, ?Cereales: consumo mundial 2015-2022,? Nov. 2021. [Online]. Available: https://n9.cl/b0r16
dc.relationFAO, ?Nota informativa de la FAO sobre la oferta y la demanda de cereales | Situaci?n Alimentaria Mundial | Organizaci?n de las Naciones Unidas para la Alimentaci?n y la Agricultura,? Dec. 2021. [Online]. Available: https://n9.cl/4bwoz
dc.relationmundo PMMI, ?Nace el primer Instituto Latinoamericano de Cereales, ILCereales,? Sep. 2022. [Online]. Available: https://n9.cl/eli1x
dc.relationC. Fajardo and N. Prieto, ?An?lisis de la producci?n, exportaci?n e importaci?n de productos como el arroz y el ma?z en colombia entre los a?os 2013 y 2018,? Trabajo de grado, Universitaria Agustiniana). Recuperado de: https://repositorio. uniagustinia na. edu. co/bitstream/handle/123456789/1283/FajardoSalama nca-ChristianDavid 2020. pdf, 202
dc.relationM. D. de Cadenas Agricolas y Forestales, ?Ma?z,? 2019. [Online]. Available: https://sioc.minagricultura.gov.co/AlimentosBalanceados/Documentos/ 2019-03-30%20Cifras%20Sectoriales%20Ma??z.pdf
dc.relationA. Z. Quinch?a, ?Ma?z, trigo y soya, ?por qu? Colombia no es autosuficiente?? Oct. 2021. [Online]. Available: https://n9.cl/k0ncs
dc.relationE. L. R. S.A.S, ?La mayor parte de la tierra que es cultivable a nivel mundial est? en Am?rica Latina,? May 2022. [Online]. Available: :https://n9.cl/fb4w2
dc.relationO. de las Naciones Unidas para la Alimentaci?n y la Agricultura, ?La agricultura de Am?rica Latina ante desaceleraci?n econ?mica,? Nov. 2012. [Online]. Available: https://n9.cl/qzftc
dc.relationB. Govaerts, D. Vega, X. Ch?vez, L. Narro, F. M. San Vicente, N. Palacios, M. P?rez, G. Gonz?lez, P. Ortega, A. Carvajal, A. L. Arcos, J. Bola?os, N. Romero, J. Bola?os, Y. F. Vanegas, R. G. Echeverria, A. Jarvis, D. Jim?nez, J. Ram?rez-Villegas, W. Kropff, C. E. Gonz?lez, C. Navarro-Racines, L. Ord??ez, S. D. Prager, and J. Tapasco, Ma?z para Colombia Visi?n 2030. CIMMYT, 2019, accepted: 2019-08-28T20:07:29Z. [Online]. Available: https://n9.cl/dpcyn
dc.relationL. A. O?ate Z??iga, ?Duraci?n de las etapas fenol?gicas y profundidad radicular del cultivo de ma?z (Zea mays) var. Blanco harinoso criollo, bajo las condiciones clim?ticas del cant?n Cevallos,? Tesis de pregrado, Universidad T?cnica de Ambato, Cevallos, Ecuador, 2016, accepted: 2016-01-26T20:18:19Z. [Online]. Available: https://repositorio.uta.edu.ec:8443/jspui/handle/123456789/18305
dc.relationS. Chaivivatrakul, L. Tang, M. N. Dailey, and A. D. Nakarmi, ?Automatic morpho logical trait characterization for corn plants via 3D holographic reconstruction,? Computers and Electronics in Agriculture, vol. 109, pp. 109?123, Nov. 2014. [Online]. Available: https://www.sciencedirect.com/science/article/pii/S0168169914002191
dc.relationN. Fahlgren, M. A. Gehan, and I. Baxter, ?Lights, camera, action: high throughput plant phenotyping is ready for a close-up,? Current Opinion in Plant Biology, vol. 24, pp. 93?99, Apr. 2015. [Online]. Available: https: //www.sciencedirect.com/science/article/pii/S1369526615000266
dc.relationE. L. R. S.A.S, ?Colombia llegar? a su pico m?ximo de poblaci?n en 2060, con m?s de 55 millones de habitantes,? Oct. 2020. [Online]. Available: https://n9.cl/zkdev
dc.relationD. Y. S. Echeverry, H. P. D?az, and J. A. O. Ferreira, ?Tendencia mundial en tecnolog?as de sistemas de mapeo m?vil implementadas con l?ser,? Avances Investigaci?n en Ingenier?a, vol. 15, no. 1, pp. 204?230, Dec. 2018, number: 1. [Online]. Available: https://revistas.unilibre.edu.co/index.php/avances/article/ view/1361
dc.relationJ. Fern?ndez-Lozano and G. Guti?rrez Alonso, ?Aplicaci?n de LiDAR aerotransportado para la cartograf?a de las antiguas labores mine ras romanas en el noroeste peninsular,? Mapping, no. 167, pp. 22? 29, 2014, publisher: eGeoMapping Section: Mapping. [Online]. Available: https://dialnet.unirioja.es/servlet/articulo?codigo=4892645
dc.relationM. F. Monroy Gongora, ?Determinaci?n de zonas de manejo en un sistema de produc ci?n rotacional arroz, ma?z ? algod?n usando t?cnicas de aprendizaje de m?quinas,? Tesis de maestr?a, Universidad de Ibagu?, Ibagu?, Colombia, 2022.
dc.relationJ. P. Ocampo Fierro, ?Mapeo 3d de cultivos con plataforma lidar m?vil de m?ltiples ecos,? Tesis de pregrado, Universidad de Ibagu?, Ibagu?, Colombia.
dc.relationR. Wang, ?3D building modeling using images and LiDAR: a review,? International Journal of Image and Data Fusion, vol. 4, no. 4, pp. 273?292, Dec. 2013, publisher: Taylor & Francis _eprint: https://doi.org/10.1080/19479832.2013.811124. [Online]. Available: https://doi.org/10.1080/19479832.2013.811124
dc.relationY. Kou, C.-T. Lu, and D. Chen, ?Spatial Weighted Outlier Detection,? in Proceedings of the 2006 SIAM International Conference on Data Mining (SDM), ser. Proceedings. Society for Industrial and Applied Mathematics, Apr. 2006, pp. 614?618. [Online]. Available: https://epubs.siam.org/doi/10.1137/1.9781611972764.71
dc.relationC.-T. Lu, D. Chen, and Y. Kou, ?Detecting spatial outliers with multiple attribu tes,? in Proceedings. 15th IEEE International Conference on Tools with Artificial Intelligence, Nov. 2003, pp. 122?128, iSSN: 1082-3409
dc.relation??, ?Algorithms for spatial outlier detection,? in Third IEEE International Confe rence on Data Mining, Nov. 2003, pp. 597?600.
dc.relationJ. Zhao, C.-T. Lu, and Y. Kou, ?Detecting region outliers in meteorological data,? in Proceedings of the 11th ACM international symposium on Advances in geographic information systems, ser. GIS ?03. New York, NY, USA: Association for Computing Machinery, Nov. 2003, pp. 49?55. [Online]. Available: https://doi.org/10.1145/956676.956683
dc.relationE. Leal, N. Leal, and G. S?nchez, ?Surface normal estimation and outliers reduction on tridimensional cloud points,? Informaci?n tecnol?gica, vol. 25, no. 2, pp. 39?46, 2014, publisher: Centro de Informaci?n Tecnol?gi ca. [Online]. Available: http://www.scielo.cl/scielo.php?script=sci_abstract&pid= S0718-07642014000200005&lng=en&nrm=iso&tlng=en
dc.relationF. J. P?rez P?rez, ?Registro autom?tico de nubes de puntos,? Tesis de maestr?a, Universidad Carlos III de Madrid, Madrid, Espa?a, Dec. 2016, accepted: 2019-06- 10T18:35:11Z. [Online]. Available: https://e-archivo.uc3m.es/handle/10016/28483
dc.relationCreaci?n de modelo virtual en 3D y sensor virtual, evaluaci?n de similitud estad?stica mediante modelos predictivos de clasificaci?n, Apr. 2017.
dc.relationT. U. Rehman, M. S. Mahmud, Y. K. Chang, J. Jin, and J. Shin, ?Current and future applications of statistical machine learning algorithms for agricultural machine vision systems,? Computers and Electronics in Agriculture, vol. 156, pp. 585?605, Jan. 2019. [Online]. Available: https://www.sciencedirect.com/science/ article/pii/S0168169918304289
dc.relationA. C. Correa, A. E. S. Jimenez, and F. A. P. Ortiz, ?Reconocimiento de rostros y gestos faciales mediante un an?lisis de relevancia con im?genes 3D,? Revista de Investigaci?n, Desarrollo e Innovaci?n, vol. 4, no. 1, pp. 7?20, Aug. 2013, number: 1. [Online]. Available: https://revistas.uptc.edu.co/index.php/investigacion_duitama/ article/view/2563
dc.relationD. Li, G. Shi, W. Kong, S. Wang, and Y. Chen, ?A Leaf Segmentation and Phe notypic Feature Extraction Framework for Multiview Stereo Plant Point Clouds,? IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sen sing, vol. 13, pp. 2321?2336, 2020, conference Name: IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing.
dc.relationT. Miao, C. Zhu, T. Xu, T. Yang, N. Li, Y. Zhou, and H. Deng, ?Automatic stem-leaf segmentation of maize shoots using three-dimensional point cloud,? Computers and Electronics in Agriculture, vol. 187, p. 106310, Aug. 2021. [Online]. Available: https://www.sciencedirect.com/science/article/pii/S0168169921003276
dc.relationX. Ma, B. Wei, H. Guan, and S. Yu, ?A method of calculating phenotypic traits for soybean canopies based on three-dimensional point cloud,? Ecological Informatics, vol. 68, p. 101524, May 2022. [Online]. Available: https://www.sciencedirect.com/ science/article/pii/S1574954121003150
dc.relationM. Yu, X. Ma, H. Guan, M. Liu, and T. Zhang, ?A recognition method of soybean leaf diseases based on an improved deep learning model,? Frontiers in Plant Science, vol. 13, 2022.
dc.relationJ. Li and L. Tang, ?Developing a low-cost 3D plant morphological traits characterization system,? Computers and Electronics in Agriculture, vol. 143, pp. 1?13, Dec. 2017. [Online]. Available: https://www.sciencedirect.com/science/ article/pii/S0168169917303277
dc.relationK. Panjvani, A. V. Dinh, and K. A. Wahid, ?LiDARPheno ? A Low-Cost LiDAR-Based 3D Scanning System for Leaf Morphological Trait Extraction,? Frontiers in Plant Science, vol. 10, 2019. [Online]. Available: https://www. frontiersin.org/articles/10.3389/fpls.2019.00147
dc.relationY. Li, W. Wen, T. Miao, S. Wu, Z. Yu, X. Wang, X. Guo, and C. Zhao, ?Automatic organ-level point cloud segmentation of maize shoots by integrating high-throughput data acquisition and deep learning,? Computers and Electronics in Agriculture, vol. 193, p. 106702, Feb. 2022. [Online]. Available: https://www.sciencedirect.com/science/article/pii/S0168169922000199
dc.relationC. Agustin, ?Fenotipo,? May 2022. [Online]. Available: https://n9.cl/pw4lm
dc.relationP. Kumar, C. Huang, J. Cai, and S. J. Miklavcic, ?Root phenotyping by root tip detection and classification through statistical learning,? Plant and Soil, vol. 380, no. 1, pp. 193?209, Jul. 2014. [Online]. Available: https://doi.org/10.1007/s11104-014-2071-3
dc.relationY. Ch?n?, D. Rousseau, P. Lucidarme, J. Bertheloot, V. Caffier, P. Morel, Belin, and F. Chapeau-Blondeau, ?On the use of depth camera for 3D phenotyping of entire plants,? Computers and Electronics in Agriculture, vol. 82, pp. 122?127, Mar. 2012. [Online]. Available: https://www.sciencedirect.com/science/article/pii/ S016816991100319X
dc.relationA. Zer?n, ?Biotipos, fenotipos y genotipos. ?De qu? tipo somos?? Revista Mexicana de Periodontolog?a, vol. 1, no. 1, pp. 36?43, 2010.
dc.relationP. W. Theiler, J. D. Wegner, and K. Schindler, ?Keypoint-based 4-points congruent sets?automated marker-less registration of laser scans,? ISPRS journal of photogram metry and remote sensing, vol. 96, pp. 149?163, 2014
dc.relationS. Quan, J. Ma, F. Hu, B. Fang, and T. Ma, ?Local voxelized structure for 3d binary feature representation and robust registration of point clouds from low-cost sensors,? Information Sciences, vol. 444, pp. 153?171, 2018.
dc.relationE. A. Q. Salazar, A. B. Mart?nez, and A. F. C. Salced, ?Procesamiento de nubes de puntos por medio de la librer?a PCL,? Scientia et Technica, vol. 1, no. 52, pp. 136?142, Dec. 2012, number: 52. [Online]. Available: https://201.131.90.33/index.php/revistaciencia/article/view/7893
dc.relationO. Schall, A. Belyaev, and H.-P. Seidel, ?Robust filtering of noisy scattered point data,? in Proceedings Eurographics/IEEE VGTC Symposium Point-Based Graphics, 2005. IEEE, 2005, pp. 71?144.
dc.relation??, ?Adaptive feature-preserving non-local denoising of static and time-varying range data,? Computer-Aided Design, vol. 40, no. 6, pp. 701?707, 2008.
dc.relationC. G. Small, ?A survey of multidimensional medians,? International Statistical Re view/Revue Internationale de Statistique, pp. 263?277, 1990.
dc.relationC. G. Small, ?A survey of multidimensional medians,? International Statistical Re view/Revue Internationale de Statistique, pp. 263?277, 1990.
dc.relationM. Pauly, L. Kobbelt, and M. H. Gross, ?Multiresolution modeling of point-sampled geometry,? CS technical report, vol. 378, 2002.
dc.relationL. Linsen, Point cloud representation. Univ., Fak. f?r Informatik, Bibliothek Tech nical Report, Faculty of Computer . . . , 200
dc.relationN. Amenta and Y. J. Kil, ?Defining point-set surfaces,? ACM Transactions on Graphics (TOG), vol. 23, no. 3, pp. 264?270, 2004.
dc.relationOracle, ?RMSE (Error cuadr?tico medio),? 2017. [Online]. Available: https: //n9.cl/i69a8
dc.relationD. A. Urrego Gamboa and J. D. Espa?ol D?az, ?Separaci?n y conteo de c?lulas mus culares en procesamiento de im?genes,? Tesis de pregrado, Universidad de Ibagu?, Ibagu?, Colombia.
dc.relationD. M?ndez, M. G. Forero, and H. F. Murc?a, ?Comparative study of point cloud registration techniques between icp and others,? in Applications of Digital Image Processing XLIII, vol. 11510. SPIE, 2020, pp. 292?305.
dc.relationM. G. Forero, G. Crist?bal, and M. Desco, ?Automatic identification of mycobac terium tuberculosis by gaussian mixture models,? Journal of microscopy, vol. 223, no. 2, pp. 120?132, 2006.
dc.relationJ. J. Betancourt-Lozano, ?Detecci?n de fibrosis aleda?a a quistes producidos por neu rocisticercosis mediante t?cnicas de procesamiento de im?genes,? Tesis de pregrado, Universidad de Ibagu?, Ibagu?, Colombia
dc.relationJ. R. Gonz?lez, 10 An?lisis discriminante lineal (LDA) | Aprendizaje Autom?tico 1. [Online]. Available: https://isglobal-brge.github.io/Aprendizaje_Automatico_1/ an%C3%A1lisis-discriminante-lineal-lda.html
dc.relationL. F. Restrepo, S. L Posada, and R. R Noguera, ?Aplicaci?n del an?lisis por componentes principales en la evaluaci?n de tres variedades de pasto,? Revista Colombiana de Ciencias Pecuarias, vol. 25, no. 2, pp. 258?266, Jun. 2012, publisher: Universidad de Antioquia. [Online]. Available: http://www.scielo.org.co/scielo.php? script=sci_abstract&pid=S0120-06902012000200011&lng=en&nrm=iso&tlng=es
dc.relationM. G. F. Sr, J. J. Lozano, and S. A. Balaguera-Reina, ?Individual identification automation in Crocodylians through imagery processing: American Crocodile as a study case,? in Applications of Digital Image Processing XLII, vol. 11137. SPIE, Sep. 2019, pp. 586?595. [Online]. Available: https://www.spiedigitallibrary.org/conference-proceedings-of-spie/11137/111372A/ Individual-identification-automation-in-Crocodylians-through-imagery-processing--American/ 10.1117/12.2528773.full
dc.relationM. G. Forero, J. J. Lozano, L. E. Baquedano, J. A. Bustos, and H. H. Garc?a, ?A new method for detecting brain fibrosis in microscopy images using the neurocysticercosis pig model,? in Applications of Digital Image Processing XLIII, vol. 11510. SPIE, Aug. 2020, pp. 314?322. [Online]. Available: https://www.spiedigitallibrary.org/conference-proceedings-of-spie/ 11510/115101K/A-new-method-for-detecting-brain-fibrosis-in-microscopy-images/ 10.1117/12.2567040.full
dc.relationK. Fukunaga, Introduction to statistical pattern recognition. Elsevier, 2013.
dc.relationDatacamp, ?Python Decision Tree Classification Tutorial: Scikit-Learn Decision TreeClassifier,? Dec. 2018. [Online]. Available: https://n9.cl/q
dc.relationSklearn, ?Randomforestclassifier,? 2020. [Online]. Available: https://n9.cl/u1ne
dc.relationU. N. O. for Outfer Space Affairs, ?Im?genes multiespectrales de sensores remotos.? 2013. [Online]. Available: https://n9.cl/z4qkd
dc.relationM. A. Castellanos-Reyes, R. Vald?s-Carmenate, A. L?pez-G?mez, and F. Guridi Izquierdo, ?Mediciones de ?ndices de verdor relacionadas con ?rea foliar y producti vidad de h?brido de ma?z,? Cultivos Tropicales, vol. 38, no. 3, pp. 112?116, 2017
dc.relation?Ma?z: La planta,? 2019. [Online]. Available: https://n9.cl/wsjrq
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightshttp://purl.org/coar/access_right/c_abf2
dc.rightsAtribuci?n-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rightshttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectSegmentaci?n de ?rganos
dc.subjectEstimaci?n de fenotipos
dc.subjectBase de datos 3D
dc.subjectPl?ntulas de ma?z
dc.subjectAprendizaje de maquinas
dc.subjectFiltrado de nubes de puntos
dc.subjectOrgan segmentation
dc.subjectPhenotype estimation
dc.subject3D database
dc.subjectMaize seedling
dc.subjectMachine learning
dc.subjectPoint cloud filtering
dc.titleEstimaci?n de fenotipos de pl?ntulas de ma?z a partir de nubes de puntos adquiridas en ambiente controlado
dc.typeTrabajo de grado - Maestr?a
dc.typehttp://purl.org/coar/resource_type/c_bdcc
dc.typehttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.typeText
dc.typeinfo:eu-repo/semantics/masterThesis
dc.typehttp://purl.org/redcol/resource_type/TM
dc.typeinfo:eu-repo/semantics/acceptedVersion


Este ítem pertenece a la siguiente institución