| Revista: | Latin-American Journal of Computing (LAJC) |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000450903 |
| ISSN: | 1390-9134 |
| Autors: | Guerrero-Andrade, Carlos Jonathan1 Martínez Mosquera, Silvia Diana2 |
| Institucions: | 1Universidad Técnica del Norte, Instituto de Postgrado, Ibarra, Imbabura. Ecuador 2Escuela Politécnica Nacional, Departamento de Informática y Ciencias de la Computación, Quito, Pichincha. Ecuador |
| Any: | 2022 |
| Període: | Ene-Jun |
| Volum: | 9 |
| Número: | 1 |
| Paginació: | 46-59 |
| País: | Ecuador |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Aplicado, descriptivo |
| Resumen en español | En la actualidad, el seguimiento de cultivos en las parcelas agrícolas sigue siendo una de las tareas más trascendentales que tiene la agricultura de precisión, ya que por medio de esta se puede efectuar la estimación del rendimiento y la predicción de cosechas. Debido a las complicadas condiciones atmosféricas y factores climáticos que presenta el sector, la detección temprana de plagas y enfermedades se ha convertido en un desafío considerable que los productores deben asumir de manera constante. Esta investigación propone un sistema de reconocimiento rápido y eficaz de lesiones necróticas para la detección temprana de la plaga thrips en el guisante mediante la implementación del método de deep learning yolov4-tiny. Los resultados alcanzados por el sistema desarrollado mostraron que la IoU (Intersección sobre la Unión) es de 59,23% para una mAP (Precisión Media) de 87,8% sobre un conjunto de datos de alta densidad. Además, cada uno de los valores entregados por el sistema fueron comparados con un diagnóstico prescrito que fue realizado por un experto en la producción del cultivo a través de observaciones directas al guisante. De esta manera, se llegó a establecer que el sistema tiene una efectividad del 80% |
| Resumen en inglés | At present, the monitoring of crops in agricultural plots remains one of the most important tasks that precision agriculture has since through it is possible to perform the estimation of the yield and the prediction of crops. Due to the complicated atmospheric conditions and climatic factors that the sector presents, the early detection of pests and diseases has become a considerable challenge that producers must constantly assume. This research proposes a rapid and effective necrotic lesion recognition system for the early detection of the thrips infestation in peas by implementing the yolov4-tiny deep learning method. The results obtained by the developed system showed that the IoU (Intersection at the Union) is 59.23% for an mAP (Medium Precision) of 87.8% in a high-density data set. In addition, each of the values delivered by the system was compared with a prescribed diagnosis that was made by an expert in crop production through direct observations of the pea. In this way, it was established that the system is 80% effective |
| Disciplines | Ciencias de la computación |
| Paraules clau: | Inteligencia artificial, Procesamiento de datos, Procesamiento de imágenes, Lesiones Necróticas, Plaga thrips, Aprendizaje profundo, Yolov4-Tiny |
| Keyword: | Artificial intelligence, Data processing, Images processing, Necrotic lesions, Plague thrips, Deep learning, Yolov4-tiny |
| Text complet: | Texto completo (Ver PDF) |
