Apple (Malus domestica) and pear (Pyrus communis) yield prediction after tree image analysis
Para pronosticar la producción es necesario contar el número de frutos de los árboles y estimar el tamaño medio. Esta información se obtiene manualmente y requiere mucha mano de obra experimentada. La visión artificial surge como alternativa para obtener más información en menos tiempo. Los objetivo...
| Autores: | , , , , |
|---|---|
| Formato: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2023 |
| País: | Argentina |
| Recursos: | Consejo Nacional de Investigaciones Científicas y Técnicas |
| Repositorio: | CONICET Digital (CONICET) |
| Idioma: | inglés |
| OAI Identifier: | oai:ri.conicet.gov.ar:11336/225451 |
| Acesso em linha: | http://hdl.handle.net/11336/225451 |
| Access Level: | acceso abierto |
| Palavra-chave: | ARTIFICIAL VISION FRUIT DETECTION MALUS DOMESTICA PYRUS COMMUNIS YIELD FORECAST https://purl.org/becyt/ford/4.1 https://purl.org/becyt/ford/4 |
| Resumo: | Para pronosticar la producción es necesario contar el número de frutos de los árboles y estimar el tamaño medio. Esta información se obtiene manualmente y requiere mucha mano de obra experimentada. La visión artificial surge como alternativa para obtener más información en menos tiempo. Los objetivos del trabajo fueron entrenar modelos de visión artificial para detectar y contar el número de peras y manzanas en árboles a partir de imágenes; y medir diámetros de frutos en imágenes. Se usaron modelos pre-entrenados para detección de objetos basados en redes neuronales (YOLO). Se tomaron imágenes de árboles de día y de noche, y los frutos de cada planta fueron contados manualmente. Los modelos se evaluaron según sensibilidad, precisión y F1score; y se calculó la correlación entre frutos detectados y contados. La estimación de diámetros se realizó trazando líneas rectas sobre cada fruto y utilizando elementos de referencia. La precisión, sensibilidad y F1score alcanzados por los modelos fueron 0,86, 0,83 y 0,84, respectivamente. Las correlaciones entre diámetros medidos manualmente y por imágenes fueron de 0,73 en manzanas y 0,80 en peras. Las metodologías propuestas permitieron realizar estimaciones a partir de imágenes con una precisión aceptable y en menor tiempo respecto de las mediciones manuales. |
|---|