Detección y conteo automático de flores de pino Pinus pinea utilizando una estrategia de deep learning en imágenes adquiridas desde plataforma aérea

El Pinus pinea es una especie arbórea originaria de la región mediterránea de gran importancia económica en la Península Ibérica (España y Portugal), costas del norte y oriente del Mediterráneo, noreste de Turquía y Francia. Actualmente, su producción, principalmente definida por toneladas de piña/hectárea, se estima de forma subjetiva contando visualmente el número de piñas en una sección de árboles para luego extrapolar la productividad del bosque antes de comenzar con la recolección. Este trabajo propone utilizar imágenes RGB de alta resolución adquiridas desde un vehículo aéreo no tripulado (UAV) en etapas tempranas del cultivo para contar el número de flores visibles. Las flores suelen estar superpuestas en un mismo sector de la imagen. Trabajos previos han relacionado el número de flores con el número de piñas en esta especie. VGG Image Annotator (VIA) fue utilizado para segmentar y cuantificar manualmente las flores contenidas en las imágenes y Coco Annotator para reajustar las etiquetas. La red Mask R- CNN fue implementada para realizar segmentación por instancias, como backbone (red troncal/extractor de aracterísticas) se utilizó una ResNet50. Como resultado, el modelo delimita y ubica en la imagen los pixeles correspondientes a cada flor obteniendo un Average Precision (AP) de 79.89 %. Además, el sistema realiza el conteo total de flores detectadas. El modelo fue implementado utilizando Python 3, Keras y TensorFlow.

• Autores: Franco Beleño, Francisco Javier
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2022
• Institución: Universidad de Ibagué
• Repositorio: Repositorio Universidad de Ibagué
• Idioma: spa
• OAI Identifier: oai:repositorio.unibague.edu.co:20.500.12313/4777
• Acceso en línea: https://hdl.handle.net/20.500.12313/4777
• Palabra clave: Conteo automático de flores - Plataforma aerea; Estrategia de deep learning - Conteo automático de flores; Aprendizaje profundo; Pinus pinea; Productividad forestal; Sensores RGB; Sensado remoto; Machine learning; Pinus pinea; Forest productivity; RGB; Remote sensing
• Rights: openAccess
• License: http://purl.org/coar/access_right/c_abf2