Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.espoch.edu.ec/handle/123456789/20582
Título : | Uso de algoritmos basados en machine learning para la detección de enfermedades en plantas frutales de piso climático templado utilizando procesamiento de imágenes caso práctico manzano. |
Autor : | Gordón Izurieta, Diego Sebastián |
Director(es): | Moreno Avilés, Hugo Oswaldo |
Tribunal (Tesis): | Mora Chunllo, Verónica Elizabeth |
Palabras claves : | INTERNET DE LAS COSAS (IOT);PLATAFORMA THINKSPEAK;REDES NEURONALES ARTIFICIALES;MACHINE LEARNING;ALGORITMOS DE APRENDIZAJE;PROCESAMIENTO DE IMÁGENES;MATLAB (SOFTWARE) |
Fecha de publicación : | 12-mar-2021 |
Editorial : | Escuela Superior Politécnica de Chimborazo |
Citación : | Gordón Izurieta, Diego Sebastián. (2021). Uso de algoritmos basados en machine learning para la detección de enfermedades en plantas frutales de piso climático templado utilizando procesamiento de imágenes caso práctico manzano. Escuela Superior Politécnica de Chimborazo. Riobamba. |
Identificador : | UDCTFIYE;98T00303 |
Abstract : | The current research work aimed to detect the apple plant diseases through the Artificial Neural Networks app based on Machine Learning with a suitable processing environment. An uncrewed aerial vehicle (UAV) was used to extract the samples in the field under study, and several videos of the apple plants were captured. Later, the videos were processed with Matlab software, and the samples extracted from the videos were stored in a folder. The neural network training process was carried out using Matlab software. With the train Cascade Object Detector tool, the study area was selected in each image. Once this was done, the training was supported with three learning algorithms LBP, HOG, HAAR; each one has unique characteristics, but each one needs a specific processing time. Once the training of each of the apple tree diseases had been carried out, the respective tests were accepted to check the artificial neural network's validity. After the results were found, all the information obtained was uploaded to an IoT ThingSpeak platform, where each positive detection was marked for a better analysis. Besides, three windows were added to the IoT platform, each with the corresponding disease. A window with the study site's real-time location and two windows allow a comparison between each of the diseases under study. Additionally, a blog was created in which information on apple tree diseases was uploaded. The link of this blog is linked to the IoT platform. |
Resumen : | El presente trabajo de titulación tuvo como objetivo realizar la detección de enfermedades de la planta de manzano mediante la aplicación de Redes Neuronales Artificiales basadas en Machine Learning, seleccionando el entorno de procesamiento adecuado, para la extracción de las muestras en el terreno de estudio se utilizó un vehículo aéreo no tripulado con el cual se capturó varios videos de las plantas de manzano, posteriormente se realizó el procesamiento de los videos con la ayuda del software Matlab y se ejecutó la extracción de las muestras a partir de los videos, las cuales se almacenaron en una carpeta. Se inicio el proceso de entrenamiento de la red neuronal mediante el software Matlab, con la ayuda de la herramienta “trainCascadeObjectDetector”, se incurrió en la selección del área de estudio con cada imagen, una vez hecho esto se realizó el entrenamiento con tres algoritmos de aprendizaje LBP, HOG, HAAR cada uno de ellos posee características únicas y con un tiempo determinado de procesamiento, ejecutado el entrenamiento de cada una de las enfermedades de manzano se realizó las pruebas respectivas para comprobar la validez de la red neuronal artificial, ya que se obtuvo los resultados se procedió a un análisis de toda la información recopilada mediante una plataforma de IoT en este caso la llamada “ThingSpeak” en la cual se marcó cada detección positiva, en la plataforma IoT se utilizó tres campos, cada uno con su enfermedad correspondiente adicional de una ventana con la ubicación en tiempo real del sitio de estudio y dos ventanas en las cuales se realiza una comparación entre cada una de las enfermedades de estudio, adicionalmente se creó un blog en el cual se agregó información sobre las afecciones del manzano, el link de este blog está vinculado con la plataforma IoT. |
URI : | http://dspace.espoch.edu.ec/handle/123456789/20582 |
Aparece en las colecciones: | Ingeniero en Electrónica, Telecomunicaciones y Redes; Ingeniero/a en Telecomunicaciones |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
98T00303.pdf | 3,59 MB | Adobe PDF | ![]() Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons