Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning

Mostrar todas las versiones(2)

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...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Berger, Javier, Preussler, César, Agostini, Juan Pedro
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2018
Materias:	Ciencias Informáticas aplicación móvil sistemas de visión artificial deep learning
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/71000 http://47jaiio.sadio.org.ar/sites/default/files/CAI-12.pdf
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

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

Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning

Ejemplares similares