Diseño de software para automatización del conteo de frutos mediante inteligencia y visión artificial

dc.contributor.advisorNixon Giraldo, Frank
dc.contributor.authorCastañeda Puentes, Emily
dc.contributor.authorRivera Moreno, Sebastian
dc.contributor.orcidNixon Giraldo, Frank [0000-0001-8407-1831]
dc.date.accessioned2025-03-06T19:48:49Z
dc.date.available2025-03-06T19:48:49Z
dc.date.created2024-11-19
dc.descriptionEn la actualidad, la automatización y la inteligencia artificial están cambiando varias industrias, incluyendo la agricultura. Dado el incremento en la necesidad de eficiencia en la producción agrícola, es fundamental crear herramientas tecnológicas que mejoren labores clave como la medición instantánea de frutos en tiempo real. Esta necesidad surge en un contexto donde la precisión y rapidez son fundamentales para maximizar la producción y reducir costos. El problema principal radica en la dificultad de realizar conteos manuales o semiautomáticos de frutos, lo cual es un proceso laborioso, propenso a errores humanos y costoso en términos de tiempo y recursos. Las soluciones tradicionales, basadas en el monitoreo visual manual o tecnologías de baja precisión, no son suficientes para atender las necesidades actuales del sector. Para solucionar esta problemática, se ha diseñado un software basado en inteligencia artificial y visión artificial que permite automatizar el proceso de conteo de frutos en entornos agrícolas. Este sistema utiliza algoritmos avanzados de procesamiento de imágenes y técnicas de IA para identificar, clasificar y contar frutos con alta precisión, proporcionando resultados en tiempo real. Los resultados obtenidos muestran que esta solución es eficiente en comparación con los métodos tradicionales. El tiempo de procesamiento se reduce significativamente, y la precisión en el conteo de frutos mejora, lo que en conjunto optimiza la producción agrícola y ayuda a reducir errores y desperdicios. Este trabajo presenta una solución viable para la automatización del conteo de frutos, ofreciendo una alternativa más precisa y eficiente frente a las técnicas convencionales. La implementación de este sistema puede marcar una diferencia significativa en la productividad del sector agrícola y su competitividad en el mercado global.
dc.description.abstractCurrently, automation and artificial intelligence are transforming various industries, including agriculture. As the demand for efficiency in agricultural production processes increases, the development of technological tools that optimize essential tasks, such as real-time fruit counting, becomes necessary. This need arises in a context where precision and speed are crucial to maximizing production and reducing costs. The main problem lies in the difficulty of performing manual or semi-automatic fruit counting, which is a laborious process, prone to human error, and costly in terms of time and resources. Traditional solutions, based on manual visual monitoring or low-precision technologies, are not sufficient to meet the current needs of the sector. In response to this issue, a software based on artificial intelligence and computer vision has been developed to automate the fruit counting process in agricultural environments. The system uses advanced image processing algorithms and IA techniques to identify, classify, and count fruits with high accuracy, providing real-time results. The results obtained show that this solution is much more efficient than traditional methods. Processing time is significantly reduced, and the accuracy in fruit counting improves, which optimizes agricultural production overall and helps reduce errors and waste. In conclusion, this work presents a viable solution for automating fruit counting, offering a more precise and efficient alternative compared to conventional techniques. The implementation of this system can make a significant difference in the productivity of the agricultural sector and its competitiveness in the global market.
dc.format.mimetypepdf
dc.identifier.urihttp://hdl.handle.net/11349/93356
dc.language.isospa
dc.relation.references[1] Eissa, Mostafa. (2024). Precision Agriculture using Artificial Intelligence and Robotics. Journal of Research in Agriculture and Food Sciences.
dc.relation.references[2] Bazargani, Khadijeh & Deemyad, Taher. (2024). Automation’s Impact on Agriculture: Opportunities, Challenges, and Economic Effects. Robotics.
dc.relation.references[3] Mejía Martínez, C. E., Ramirez Beltran, N. J., & Rojas Eslava, J. P. (2022). Software para automatización de conteo de plantas en cultivos de papa mediante visión artificial. Pontificia Universidad Javeriana https://repository.javeriana.edu.co/handle/10554/63696
dc.relation.references[4] Martínez, C., Albornoz, E., Pizarro, J., & Carolo, y. R. (s/f). Sistema de Conteo Forestal, Agrícola y Ganadero mediante procesamiento de imágenes. Org.ar. Recuperado el 21 de octubre de 2024, de https://49jaiio.sadio.org.ar/pdfs/jui/JUI-10.pdf
dc.relation.references[5] Universidad Militar Nueva Granada, Pulido-Rojas, C. A., Molina-Villa, M. A., Universidad Militar Nueva Granada, Solaque-Guzmán, L. E., & Universidad Militar Nueva Granada. (2016). Machine vision system for weed detection using image filtering in vegetables crops. Revista Facultad de Ingeniería Universidad de Antioquia, 80, 124–130.
dc.relation.references[6] Pinho, Tatiana M.; Coelho, J.P.; Oliveira, Josenalde; Boaventura-Cunha, José (2017). Comparative analysis between LDR and HDR images for automatic fruit recognition and counting. Journal of Sensors. ISSN 1687-725X. p. 1-12
dc.relation.references[7] Montoya Holguin, Christian, Cortés Osorio, Jimmy Alexander, & Chaves Osorio, José Andrés. (2014). Sistema automático de reconocimiento de frutas basado en visión por computador. Ingeniare. Revista chilena de ingeniería, 22(4), 504-516. https://dx.doi.org/10.4067/S0718-33052014000400006
dc.relation.references[8] Medina Tobón, D. (2021). Conteo de flores y frutos para el monitoreo del cultivo de aguacate Hass por medio de imágenes utilizando Machine Learning. Universidad de los Andes. Disponible en: http://hdl.handle.net/1992/52997
dc.relation.references[9] Saleem, M.H., Potgieter, J. & Arif, K.M. Automation in Agriculture by Machine and Deep Learning Techniques: A Review of Recent Developments. Precision Agric 22, 2053–2091 (2021).
dc.relation.references[10] Birrell, S., Hughes, J., Cai, J. Y., & Iida, F. (2020). A field‐tested robotic harvesting system for iceberg lettuce. Journal of Field Robotics, 37(2), 225–245.
dc.relation.references[11] ¿Qué es la visión artificial? (2024, octubre 9). Ibm.com. https://www.ibm.com/mx-es/topics/computer-vision
dc.relation.references[12] Qué es la Inteligencia Artificial. (s/f). Gob.es. Recuperado el 21 de octubre de 2024, de https://planderecuperacion.gob.es/noticias/que-es-inteligencia-artificial-ia-prtr
dc.relation.references[13] ¿Qué es una base de datos? (2020, noviembre 24). Oracle.com; Oracle. https://www.oracle.com/co/database/what-is-database/
dc.relation.references[14] (S/f). Amazon.com. Recuperado el 21 de octubre de 2024, de https://aws.amazon.com/es/what-is/neural-network
dc.relation.references[15] de Imagina, E. (2024, octubre 21). Procesamiento de imágenes con OpenCV en Python. Imaginaformacion.com; Imagina Formación. https://imaginaformacion.com/tutoriales/opencv-en-python
dc.relation.references[16] TensorFlow. (s/f). TensorFlow. Recuperado el 21 de octubre de 2024, de https://www.tensorflow.org/?hl=es-419
dc.relation.references[17] Williams, J., & Thompson, R. (2019). Labor challenges in modern agriculture: The role of automation in addressing workforce shortages. Journal of Agricultural Economics and Development, 16(2), 45-58.
dc.relation.references[18] Smith, A., & Robinson, K. (2020). Automation in agriculture: Tackling labor shortages and improving ef iciency. International Journal of Agricultural Innovation and Research, 9(1), 22-34.
dc.relation.references[19] C.M. Bishop. "Pattern recognition and machine learning". Springer. Vol. 1. New York, USA. 200
dc.relation.references[20] N.B. Ahmad Mustafa, S. Khaleel Ahmed, Z. Ali, W. Bing Yit, A.A. Zainul Abidin and Z.A. Md Sharrif. "Agricultural Produce Sorting and Grading using Support Vector Machines and Fuzzy Logic". IEEE Conference Publications, pp. 391-396. 2009.
dc.relation.references[21] R. González and R. Woods. "Digital Image Processing". Prentice-Hall. 3rd edition. 2007.
dc.rights.accesoAbierto (Texto Completo)
dc.rights.accessrightsOpenAccess
dc.subjectAutomatización
dc.subjectInteligencia artificial
dc.subjectVisión artificial
dc.subjectAgricultura de precisión
dc.subject.keywordAutomation
dc.subject.keywordArtificial intelligence
dc.subject.keywordComputer vision
dc.subject.keywordPrecision agriculture
dc.subject.lembIngeniería en Control y Automatización -- Tesis y disertaciones académicas
dc.subject.lembAgricultura -- Automatización
dc.subject.lembAgricultura -- Visión por computador
dc.subject.lembCultivos (Tecnología)
dc.subject.lembInteligencia artificial
dc.titleDiseño de software para automatización del conteo de frutos mediante inteligencia y visión artificial
dc.title.titleenglishSoftware design for automation of fruit counting. through intelligence and artificial vision
dc.typebachelorThesis
dc.type.degreeMonografía
dc.type.driverinfo:eu-repo/semantics/bachelorThesis

Archivos

Bloque original

Mostrando 1 - 2 de 2
Cargando...
Miniatura
Nombre:
CastañedaPuentesEmily2024.pdf
Tamaño:
3.28 MB
Formato:
Adobe Portable Document Format
No hay miniatura disponible
Nombre:
Licencia de uso y autorización.pdf
Tamaño:
174.06 KB
Formato:
Adobe Portable Document Format

Bloque de licencias

Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
7 KB
Formato:
Item-specific license agreed upon to submission
Descripción: