Mostrar o rexistro simple do ítem
Predicción automática de la carga frutal de olivos empleando UAV y redes convolucionales
dc.contributor.author | Asensio Jiménez, Pablo | |
dc.contributor.author | Martínez Gila, Diego Manuel | |
dc.contributor.author | Satorres Martínez, Silvia | |
dc.contributor.author | Estévez, Elisabet | |
dc.contributor.author | Gómez Ortega, Juan | |
dc.contributor.author | Gámez García, Javier | |
dc.date.accessioned | 2022-09-05T11:47:51Z | |
dc.date.available | 2022-09-05T11:47:51Z | |
dc.date.issued | 2022 | |
dc.identifier.citation | Asensio Jiménez, P., Martínez Gila, D.M., Satorres Martínez, S., Estévez Estévez, S., Gómez Ortega, J., Gámez García, J. (2022) Predicción automática de la carga frutal de olivos empleando UAV y redes convolucionales. XLIII Jornadas de Automática: libro de actas, pp.956-963 https://doi.org/10.17979/spudc.9788497498418.0956 | es_ES |
dc.identifier.isbn | 978-84-9749-841-8 | |
dc.identifier.uri | http://hdl.handle.net/2183/31410 | |
dc.description.abstract | [Resumen] El sector del aceite de oliva y de la aceituna de mesa representan ya el 3% del PIB total de Andalucía. Teniendo en cuenta las cifras que este hecho supone, predecir la cosecha campaña tras campaña es clave para definir estrategias de marketing. Dada la gran superficie de olivar existente resulta interesante la integración de tecnologías emergentes que puedan facilitar esta tarea de predicción. En este trabajo se estudia la viabilidad del uso de cámaras de visión por computador de espectro visible embarcadas en UAVs para valorar de forma cualitativa la carga frutal de los olivos de una plantación. Las imágenes adquiridas fueron etiquetadas y posteriormente utilizadas para entrenar tres arquitecturas CNN (AlexNet, GoogLeNet, y ResNet) por el método de transferencia de aprendizaje. La arquitectura que mejor rindió fue GoogLeNet, que posteriormente fue optimizada obteniendo finalmente una tasa de éxito del 90% a la hora de clasificar imágenes que mostraban regiones de olivos con carga alta, media, baja y descarte (no olivo). | es_ES |
dc.description.sponsorship | Este trabajo de investigación ha sido parcialmente financiado por el Ministerio de Ciencia e Innovación de España bajo el proyecto PID2019-110291RB-I00 y el proyecto I+D+i en el marco de la cooperativa FEDER- Andalucía con el código FEDER A1123060E00010 y la referencia 1380776. | es_ES |
dc.description.sponsorship | Universidad de Jaén; 1380776 | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Universidade da Coruña. Servizo de Publicacións | es_ES |
dc.relation.uri | https://doi.org/10.17979/spudc.9788497498418.0956 | es_ES |
dc.rights | Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es | es_ES |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/es/ | * |
dc.subject | UAV | es_ES |
dc.subject | Olivar | es_ES |
dc.subject | Aceitunas | es_ES |
dc.subject | Redes convolucionales | es_ES |
dc.subject | Procesado de imagen | es_ES |
dc.subject | Aprendizaje máquina | es_ES |
dc.title | Predicción automática de la carga frutal de olivos empleando UAV y redes convolucionales | es_ES |
dc.type | info:eu-repo/semantics/conferenceObject | es_ES |
dc.rights.access | info:eu-repo/semantics/openAccess | es_ES |
UDC.startPage | 956 | es_ES |
UDC.endPage | 963 | es_ES |
dc.identifier.doi | https://doi.org/10.17979/spudc.9788497498418.0956 | |
UDC.conferenceTitle | XLIII Jornadas de Automática | es_ES |