Identificación automática de maleza con redes neuronales siamesas

Identificación automática de maleza con redes neuronales siamesas

Detección de maleza

Detección de objetos

Segmentación semántica

Agricultura de precisión

Redes siamesas convolucionales

Redes neuronales convolucionales

620

Ingeniería

Tesis (Master of Science in Engineering)--Pontificia Universidad Católica de Chile, 2024

La aparición de plantas que compiten con un cultivo afecta a su productividad y, por tanto, su erradicación constituye un foco de esfuerzo considerable. Se han desarrollado técnicas de agricultura de precisión para minimizar el uso de agentes químicos potencialmente dañinos y costosos, identificando la presencia de plantas no deseadas mediante sensores electrónicos (generalmente cámaras RGB). Los métodos tradicionales de esta área se basan en el uso de análisis de textura y color de los objetos dentro del espacio de una imagen basados en las relaciones matemáticas entre los píxeles, sin embargo estos métodos pueden llevar un sesgo humano en la selección de dichas características. Un nuevo conjunto de enfoques para la detección de plantas competidoras (y la identificación de objetos en su conjunto) que se ha convertido en el estandar de la industria en los últimos años son los basados en redes neuronales convolucionales (CNN), con el inconveniente de la necesidad de contar con amplios conjuntos de datos para evitar una mala generalización. Este trabajo presenta un enfoque novedoso en dos aspectos: que el clasificador principal para asignar la presencia de plantas no deseadas se entrenó utilizando un enfoque de aprendizaje de one-shot-learning, limitando así la necesidad de un mayor conjunto de imágenes, y en que se utiliza un segundo modelo para la construcción de un mapa de pıxeles detallado para las especies de plantas con geometría menos contenida. Los resultados del algoritmo obtenido son comparables al estado del arte, con una cifra de accuracy promedio del 97.16%, así como una balanced accuracy promedio del 89.94%, al mismo tiempo que ofrecen una solución fácilmente adaptable a diferentes especies de cultivos y malezas.

ANID

Calderara Cea, Felipe Antonio

2024-03-14T16:00:48Z

2024-03-14T16:00:48Z

2024

Torres Torriti, Miguel Attilio

Pontificia Universidad Católica de Chile. Escuela de Ingeniería

acceso abierto

xi, 40 páginas

application/pdf

en

tesis de maestría

https://repositorio.uc.cl/handle/11534/84406