Visión artificial para detección automática de altura del cultivo
![Thumbnail](/dspace/bitstream/handle/2183/31423/2022_Martinez_Fatima_Vision_artificial_para_deteccion_automatica_de_altura_del_cultivo.pdf.jpg?sequence=5&isAllowed=y)
Ver/ abrir
Use este enlace para citar
http://hdl.handle.net/2183/31423
A non ser que se indique outra cousa, a licenza do ítem descríbese como Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
Coleccións
Metadatos
Mostrar o rexistro completo do ítemTítulo
Visión artificial para detección automática de altura del cultivoTítulo(s) alternativo(s)
Computer vision for automatic detection of crop heightsData
2022Cita bibliográfica
Martinez, F., Manzano, J.M., Romaine, J., Millan, P. (2022) Visión artificial para detección automática de altura del cultivo. XLIII Jornadas de Automática: libro de actas, pp.1015-1022 https://doi.org/10.17979/spudc.9788497498418.1015
Resumo
[Resumen] En este trabajo se presenta la combinación de visión estéreo y un algoritmo basado en kernels para la identificación automática de la altura de un cultivo. La técnica desarrollada alivia la necesidad de realizar controles periódicos del cultivo en persona, reduciendo costes tanto por disminuir el tiempo del personal como por identificar rápidamente retrasos en el crecimiento del cultivo. La propuesta utiliza operaciones morfológicas y la transformada de Hough para el trazo de las rectas que delimitan la parte superior e inferior de la banda de la planta. El algoritmo es de bajo coste computacional, permitiendo su aplicación en dispositivos IoT con microprocesadores empotrados. Los resultados se aplican sobre imágenes reales, obteniendo un error en la estimación de altura del 3 %. [Abstract] This article introduces a new algorithm based on stereoscopic imaging and kernels for the automatic and intelligent detection of crop heights. The kernel-based algorithm alleviates the need for humans in the loop cutting costs by prioritizing personnel time and quickly identifying stunted growth due to stress. The kernels algorithm consists of morphological operations and the Hough transform to identify the bottom and top of a specific crop by varying kernel sizes. The algorithm is computationally low cost allowing for IoT based application and produces as little as 3% error.
Palabras chave
Visión artificial
Kernels
Agricultura inteligente
Visión estereoscópica
Computer vision
Stereoscopic vision
Kernels
Intelligent agriculture
Kernels
Agricultura inteligente
Visión estereoscópica
Computer vision
Stereoscopic vision
Kernels
Intelligent agriculture
Versión do editor
Dereitos
Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
ISBN
978-84-9749-841-8
Ítems relacionados
Mostrando ítems relacionados por Título, autor ou materia.
-
Sistema de visión estereoscópica para la detección de obstáculos en tiempo real con sistemas empotrados de bajo coste
Gilabert Gisbert, Miguel; Masiá Vañó, Jaime; Micó Tormos, Pau (Comité Español de Automática, 2016)[Resumen] En este documento se pretende mostrar el análisis para el desarrollo de una aplicación de visión estereoscópica destinada a proporcionar autonomía en sistemas robotizados, utilizando sistemas empotrados de bajo ... -
Aplicación dos produtos de apoio de alta tecnoloxía no desempeño ocupacional das persoas con discapacidade visual: scoping review
Recarey Regueira, Lucía (2021-07)[Resumo] Introdución: As persoas con discapacidade visual poden experimentar dificultades na realización de diferentes ocupacións cotiás. A tecnoloxía de apoio (TA) debe actuar coma un facilitador na participación desta ... -
Técnicas gráficas, visión por computador y modelos de visualización en imágenes médicas: estado del arte
Ezquerra, Norberto; Quintás, Eduardo; Álvarez, Justo A. (Universidade da Coruña, 2001)