Segmentación en imagen de frutos de granado usando deep learning con aplicación en agricultura de precisión
- Jaime Giménez Gallego 1
- Juan Domingo González Teruel 1
- Ana Toledo Moreo 1
- Manuel Jiménez Buendía 1
- Fulgencio Soto Vallés 1
- Roque Torres Sánchez 1
-
1
Universidad Politécnica de Cartagena
info
- Carlos Balaguer Bernaldo de Quirós (coord.)
- José Manuel Andújar Márquez (coord.)
- Ramón Costa Castelló (coord.)
- C. Ocampo-Martínez (coord.)
- Juan Jesús Fernández Lozano (coord.)
- Matilde Santos Peñas (coord.)
- José Simo (coord.)
- Montserrat Gil Martínez (coord.)
- José Luis Calvo Rolle (coord.)
- Raúl Marín (coord.)
- Eduardo Rocón de Lima (coord.)
- Elisabet Estévez Estévez (coord.)
- Pedro Jesús Cabrera Santana (coord.)
- David Muñoz de la Peña Sequedo (coord.)
- José Luis Guzmán Sánchez (coord.)
- José Luis Pitarch Pérez (coord.)
- Óscar Reinoso García (coord.)
- Óscar Déniz Suárez (coord.)
- Emilio Jiménez Macías (coord.)
- Vanesa Loureiro-Vázquez (coord.)
Editorial: Servizo de Publicacións ; Universidade da Coruña
ISBN: 978-84-9749-841-8
Año de publicación: 2022
Páginas: 1001-1006
Congreso: Jornadas de Automática (43. 2022. Logroño)
Tipo: Aportación congreso
Resumen
En agricultura de precisión, para monitorizar el estado del cultivo mediante imagen de forma automática, son necesarias herramientas de procesamiento para poder extraer la información de interés. En este estudio se desarrolla un modelo de Deep Learning para segmentación de imagen con el objetivo de discriminar los frutos del granado. Se alcanzan unos resultados de Intersection over Union (IoU)=0,71 y mean Average Precision (mAP)=0,82. Posteriormente, se expone un algoritmo que permite estimar el tamaño del fruto en píxeles, con un error relativo medio del 5,4%.