| dc.rights.license | http://creativecommons.org/licenses/by-nc/4.0 - Atribución-NoComercial | es_MX |
| dc.contributor | JUAN MANUEL RENDON MANCHA | es_MX |
| dc.contributor.author | JUAN LUIS TORRES OLIVARES | es_MX |
| dc.contributor.other | director - Director | es_MX |
| dc.coverage.spatial | MEX - México | es_MX |
| dc.date | 2019-11-11 | |
| dc.date.accessioned | 2019-11-14T19:28:20Z | |
| dc.date.available | 2019-11-14T19:28:20Z | |
| dc.identifier.uri | http://riaa.uaem.mx/handle/20.500.12055/1006 | |
| dc.description | 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 | es_MX |
| dc.format | pdf - Adobe PDF | es_MX |
| dc.language | spa - Español | es_MX |
| dc.publisher | El autor | es_MX |
| dc.rights | openAccess - Acceso Abierto | es_MX |
| dc.subject | 1 - CIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA | es_MX |
| dc.subject.other | 22 - FÍSICA | es_MX |
| dc.title | Aprendizaje profundo para la detección de árboles en imágenes aéreas de un cultivo de higo capturadas con un dron | es_MX |
| dc.type | masterThesis - Tesis de maestría | es_MX |
| uaem.unidad | Instituto de Investigación en Ciencias Básicas y Aplicadas (IICBA) - Instituto de Investigación en Ciencias Básicas y Aplicadas (IICBA) | es_MX |
| uaem.programa | Maestría en Ciencias - Maestría en Ciencias | es_MX |
| dc.type.publication | acceptedVersion | es_MX |
| dc.audience | researchers - Investigadores | es_MX |
