Aprendizaje profundo para la detección de árboles en imágenes aéreas de un cultivo de higo capturadas con un dron

Resumen En este trabajo de tesis se realiza una segmentaci on autom atica de arboles de higo en im agenes a ereas por medio de una red neuronal. Se capturaron fotograf as de una hect area de arboles de higo cultivados en campo abierto con una c amara montada en un dron. El dron usado es el Phantom 4 con una c amara optica integrada. De las im agenes capturadas se seleccionaron diez fotograf as, se recortaron de tama~no 2000 1500 pixeles y se segmentaron manualmente. Estas im agenes se recortaron de tama~no 128 128 pixeles dejando un traslape del 70% y se pasaron como entrada a un programa hecho en Python en el que se program o una red neuronal convolucional profunda (CNN por sus siglas en ingl es). La CNN realiza operaciones de tipo: Convoluci on, Maxpooling y Upsampling con la nalidad de segmentar en una imagen las regiones que pertenecen a hojas de arbol de higo. Se realizaron pruebas de validaci on cruzada, reconstrucci on de la imagen de tama~no original a partir de los recortes segmentados por la CNN, se prob o el desempe~no de la CNN con diferentes tama~nos de recorte y se compar o el desempe~no de la CNN propuesta contra SegNet-Basic. Finalmente, se muestran los resultados obtenidos de las pruebas realizadas. Este trabajo proporciona un comienzo signi cativo para otras tareas de procesamiento de im agenes que se aplican a la agricultura de precisi on como lo son: estimar el estado de salud de la planta, detecci on de plagas o estimaci on del area foliar. Adem as de lo anterior hacemos p ublico el c odigo fuente de la CNN as como las im agenes capturadas con el dron y las im agenes recortadas y segmentadas manualmente para facilitar las comparaciones entre diferentes algoritmos. IV