| Revista: | PÄDI boletín científico de ciencias básicas e ingenierías del ICBI |
| Base de datos: | |
| Número de sistema: | 000578747 |
| ISSN: | 2007-6363 |
| Autores: | Bermúdez-Rojas, Jesús Guillermo1 Luna-Taylor, Jorge Enrique1 Von-Borstel-Luna, Fernando Daniel2 Sandoval-Galarza, Jesús Alberto1 |
| Instituciones: | 1Tecnológico Nacional de México/Instituto Tecnológico de La Paz, 2Centro de Investigaciones Biológicas del Noroeste, S. C., |
| Año: | 2023 |
| Volumen: | 11 |
| Número: | s/n |
| Paginación: | 39-46 |
| País: | México |
| Idioma: | Español |
| Resumen en inglés | Agriculture in Mexico is dealing with significant challenges in the area of water. An alternative to address this problem is the implementation of modern agricultural techniques that allow precision farming methods in greenhouses that can produce during all seasons of the year and with more efficient use of water. For this, intelligent systems are necessary to monitor and control the resources for plant growth according to the conditions they present. This article describes the design and training of a convolutional neural network (CNN) to detect the degree of dehydration of romaine lettuce plants through images. The experiments show 83% precision and sensitivity of the CNN model in identifying the level of dehydration, and 98.8% in both metrics, considering a tolerance of plus/minus one level of difference concerning the real one. |
| Resumen en español | La agricultura en México enfrenta importantes desafíos en el área del agua. Una alternativa para enfrentar este problema es la implementación de técnicas agrícolas modernas que permitan métodos de agricultura de precisión en invernaderos que puedan producir durante todas las estaciones del año y con un uso más eficiente del agua. Para ello son necesarios sistemas inteligentes que permitan monitorear y controlar los recursos para el crecimiento de las plantas de acuerdo a las condiciones que presenten. Este artículo describe el diseño y entrenamiento de una red neuronal convolucional (CNN) para detectar el grado de deshidratación de plantas de lechuga romana a través de imágenes. Los experimentos muestran una precisión y sensibilidad del modelo del 83% en la identificación del nivel de deshidratación y del 98,8% en ambas métricas, considerando una tolerancia de más/menos un nivel de diferencia con respecto al real. |
| Palabras clave: | Redes Neuronales Convolucionales, Reconocimiento y Clasificación de Imágenes, Agricultura de Precisión |
| Keyword: | Convolutional Neural Networks, Image Recognition and Classification, Precision Farming |
| Texto completo: | Texto completo (Ver PDF) |
