Detección y conteo de piñas de pino en la especie arbórea Pinus Pinea mediante modelos de redes neuronales profundas utilizando imágenes RGB

Este proyecto propone diseñar una solución al conteo de piñas del Pino Piñonero Pinus Pinea utilizando técnicas de deep learning. La base de datos contiene fotografías RGB adquiridas desde suelo, en cultivos del Centro Tecnológico Forestal de Cataluña (CTFC). Esta investigación utiliza herramientas como Labelbox para el etiquetado de imágenes, frameworks para la implementación de redes neuronales y herramientas de desarrollo para aprendizaje de máquina. Dos detectores fueron implementados y comparados, el detector de una etapa YOLOv5 y el detector de dos etapas Detectron2, su comportamiento y rendimiento fue evaluado utilizando como métrica principal el F1 score. Aunque los resultados son similares YOLOv5 destaca por su velocidad de procesamiento con un F1 score del 83,33%. Por su parte, Detectron2 con un F1 score de 79,22%, sobresale por su capacidad de detectar piñas visualmente difíciles de encontrar dentro de la imagen.

• Autores: Gómez de la Barrera, Vanesa Valentina; Cortes Cabrera, Santiago
• 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:20.500.12313/4779
• Acceso en línea: https://hdl.handle.net/20.500.12313/4779
• Palabra clave: Piña de pino - Detección - Imágenes RGB; Piña de pino - Conteo - Imágenes RGB; Piña de pino - Etiquetado; Aprendizaje profundo; Detección automática; Etiquetado manual; Pinus pinea; Transferencia de aprendizaje; Deep learning; Automatic detection; Manual labeling; Pinus Pinea; Transfer learning
• Rights: openAccess
• License: http://purl.org/coar/access_right/c_abf2