Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/6768| Title: | Sistema de identificación de plagas en imágenes de plantas mediante aprendizaje profundo |
| Authors: | Pizano Martinez, Brayan Alejandro%1144419 |
| metadata.dc.subject.other: | - Sistema de identificación de plagas - Método de aprendizaqje profundo - Desarrollo - Agriculura - Sistemas de Identifiación de plagas - Desarrollo |
| Issue Date: | 2024-01-16 |
| Publisher: | Tecnológico Nacional de México |
| metadata.dc.publisher.tecnm: | Centro Nacional de Investigación y Desarrollo Tecnológico |
| Description: | Actualmente, el aprendizaje profundo tiene un papel importante debido a sus diversos campos de aplicación, entre ellos la agricultura que es un pilar en el desarrollo económico. Este trabajo de investigación se centra en la identificación de insectos en imágenes considerados como plagas en los cultivos. La detección rápida y correcta brinda a los agricultores, la posibilidad de la eliminación de la plaga, lo cual evita la pérdida completa de sus cultivos. Se entrenaron tres arquitecturas de redes neuronales las cuales son: YOLOv5m6, YOLOv5L6 y YOLOv7; usando el conjunto de datos de IP102 con 97 clases para entrenamiento y pruebas. Cada modelo obtuvo un valor de 0.658, 0.619 y 0.635 en [email protected] respectivamente. Los modelos obtenidos fueron ensamblados para operarse de manera conjunta en la computadora obteniendo un mAP de 0.680. También se tomó el mejor modelo para optimizarlo y ser utilizado en un dispositivo móvil con sistema operativo Android, pudiendo ser ejecutado en tiempo real usando fotografías. |
| metadata.dc.type: | info:eu-repo/semantics/masterThesis |
| Appears in Collections: | Tesis de Maestría en Computación |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| MC_Brayan_Alejandro_Pizano_Martinez_2024.pdf | Tesis | 4.53 MB | Adobe PDF | View/Open |
| MC_Brayan_Alejandro_Pizano_Martinez_2024_c.pdf Restricted Access | Cesión de derechos | 948.86 kB | Adobe PDF | View/Open Request a copy |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
