Por favor, use este identificador para citar o enlazar este ítem:
http://cibnor.repositorioinstitucional.mx/jspui/handle/1001/3012| Detección del nivel de estrés hídrico en plantas de lechuga romana a través de CNN | |
| Jesús Guillermo Bermúdez Rojas Jorge Enrique Luna Taylor Fernando Daniel Von Borstel Luna Jesús Sandoval | |
| Acceso Abierto | |
| Atribución-NoComercial-SinDerivadas | |
| URL: https://repository.uaeh.edu.mx/revistas/index.php/icbi/article/view/10943 DOI: https://doi.org/10.29057/icbi.v11iEspecial2.10943 ISSN: 2007-6363 | |
| Redes Neuronales Convolucionales, Reconocimiento y Clasificación de Imágenes, Agricultura de Precisión | |
| "La agricultura en México enfrenta importantes desafíos en el manejo eficiente del agua. Una potencial solución para abordar estos desafíos es la implementación de técnicas agrícolas modernas que permitan métodos de agricultura de precisión en invernaderos que puedan producir durante todas las estaciones del año y con un uso más eficiente del agua. Para ello son necesarios sistemas inteligentes que permitan monitorear y controlar los recursos para el crecimiento de las plantas de acuerdo a las condiciones que presenten. Este artículo describe el diseño y entrenamiento de una red neuronal convolucional (CNN) para detectar el grado de deshidratación de plantas de lechuga romana a través de imágenes, esto con el fin de administrar adecuadamente el agua para riego y no desperdiciarla. Los experimentos muestran una precisión y sensibilidad del modelo del 83 % en la identificación del nivel de deshidratación y del 98,8 % en ambas métricas, considerando una tolerancia de más/menos un nivel de diferencia con respecto al real." "Agriculture in Mexico faces important challenges in the efficient management of water. A potential solution to address these challenges is the implementation of modern agricultural techniques that allow precision farming methods in greenhouses that can produce during all seasons of the year and with a more efficient use of water. For this, intelligent systems are necessary to monitor and control the resources for plant growth according to the conditions they present. This article describes the design and training of a convolutional neural network (CNN) to detect the degree of dehydration of romaine lettuce plants through images, in order to properly manage water for irrigation and not waste it. The experiments show a precision and sensitivity of the model of 83 % in the identification of the level of dehydration and 98.8 % in both metrics, considering a tolerance of plus/minus one level of difference with respect to the real one." | |
| Universidad Autónoma del Estado de Hidalgo | |
| 2023 | |
| Artículo | |
| Pädi Boletín Científico De Ciencias Básicas E Ingenierías Del ICBI | |
| Español | |
| Bermúdez-Rojas, J. G., Luna-Taylor, J. E., Von-Borstel-Luna, F. D., & Sandoval-Galarza, J. A. (2023). Detección del nivel de estrés hídrico en plantas de lechuga romana a través de CNN. Pädi Boletín Científico De Ciencias Básicas E Ingenierías Del ICBI, 11(Especial2), 39-46. https://doi.org/10.29057/icbi.v11iEspecial2.10943 | |
| INGENIERÍA DE CONTROL | |
| Versión publicada | |
| publishedVersion - Versión publicada | |
| Aparece en las colecciones: | Artículos |
Cargar archivos:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| Detección del nivel de estrés hídrico en plantas de lechuga romana a través de CNN.pdf | 81.33 kB | Adobe PDF | Visualizar/Abrir |