Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning
Los sistemas de visión artificial permiten automatizar tareas que requieren de personal entrenado para la identificación de características relevantes de determinados objetos. En este trabajo se describe el desarrollo de una aplicación móvil que utiliza técnicas de deep learning para identificar sín...
Guardado en:
Autores principales: | , , |
---|---|
Formato: | Objeto de conferencia |
Lenguaje: | Español |
Publicado: |
2018
|
Materias: | |
Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/71000 http://47jaiio.sadio.org.ar/sites/default/files/CAI-12.pdf |
Aporte de: |
id |
I19-R120-10915-71000 |
---|---|
record_format |
dspace |
institution |
Universidad Nacional de La Plata |
institution_str |
I-19 |
repository_str |
R-120 |
collection |
SEDICI (UNLP) |
language |
Español |
topic |
Ciencias Informáticas aplicación móvil sistemas de visión artificial deep learning |
spellingShingle |
Ciencias Informáticas aplicación móvil sistemas de visión artificial deep learning Berger, Javier Preussler, César Agostini, Juan Pedro Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning |
topic_facet |
Ciencias Informáticas aplicación móvil sistemas de visión artificial deep learning |
description |
Los sistemas de visión artificial permiten automatizar tareas que requieren de personal entrenado para la identificación de características relevantes de determinados objetos. En este trabajo se describe el desarrollo de una aplicación móvil que utiliza técnicas de deep learning para identificar síntomas de Huanglongbing y carencias nutricionales en hojas de árboles cítricos. Se evaluaron los modelos de aprendizaje por trasferencia MobileNet e Inception utilizando Tensorflow y Python. Se generó una aplicación móvil para Android que logró clasificar correctamente el 89 % de las imágenes de hojas de un conjunto de evaluación utilizando el modelo MobileNet. La aplicación generada permitirá mejorar la identificación de síntomas en hojas de árboles cítricos durante los monitoreos realizados en plantaciones citrícolas. |
format |
Objeto de conferencia Objeto de conferencia |
author |
Berger, Javier Preussler, César Agostini, Juan Pedro |
author_facet |
Berger, Javier Preussler, César Agostini, Juan Pedro |
author_sort |
Berger, Javier |
title |
Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning |
title_short |
Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning |
title_full |
Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning |
title_fullStr |
Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning |
title_full_unstemmed |
Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning |
title_sort |
identificación de síntomas de huanglongbing en hojas de cítricos mediante técnicas de deep learning |
publishDate |
2018 |
url |
http://sedici.unlp.edu.ar/handle/10915/71000 http://47jaiio.sadio.org.ar/sites/default/files/CAI-12.pdf |
work_keys_str_mv |
AT bergerjavier identificaciondesintomasdehuanglongbingenhojasdecitricosmediantetecnicasdedeeplearning AT preusslercesar identificaciondesintomasdehuanglongbingenhojasdecitricosmediantetecnicasdedeeplearning AT agostinijuanpedro identificaciondesintomasdehuanglongbingenhojasdecitricosmediantetecnicasdedeeplearning |
bdutipo_str |
Repositorios |
_version_ |
1764820482072248320 |