Segmentación en imagen de frutos de granado usando deep learning con aplicación en agricultura de precisión
- Giménez-Gallego, Jaime 1
- González-Teruel, Juan D. 1
- Toledo, Ana 1
- Jiménez Buendía, Manuel 1
- Soto-Valles, Fulgencio 1
- Torres-Sánchez, Roque 1
-
1
Universidad Politécnica de Cartagena
info
- Carlos Balaguer Bernaldo de Quirós (coord.)
- José Manuel Andújar Márquez (coord.)
- Ramon Costa Castelló (coord.)
- Carlos Ocampo Martínez (coord.)
- Jesús Fernández Lozano (coord.)
- Matilde Santos Peñas (coord.)
- José Enrique Simó Ten (coord.)
- Montserrat Gil Martínez (coord.)
- Jose Luis Calvo Rolle (coord.)
- Raúl Marín Prades (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.)
- Oscar Reinoso García (coord.)
- Oscar Déniz Suárez (coord.)
- Emilio Jiménez Macías (coord.)
- Vanesa Loureiro Vázquez (coord.)
Éditorial: Servizo de Publicacións ; Universidade da Coruña
ISBN: 978-84-9749-841-8
Année de publication: 2022
Pages: 1001-1006
Congreso: Jornadas de Automática (43. 2022. Logroño)
Type: Communication dans un congrès
Résumé
In precision agriculture, to automatically monitor the state of the crop using images, processing tools are needed to extract the information of interest. In this study, a Deep Learning model is developed for image segmentation to discriminate pomegranate fruits. Results of Intersection over Union (IoU)=0.71 and mean Average Precision (mAP)=0.82 are achieved. Subsequently, an algorithm for estimating the size of the fruit in pixels is presented, with an average relative error of 5.4%.