Detección de arándanos en etapa de pre-cosecha a través de imágenes de espectro visible utilizando deep learning

Tesis (Ingeniero Civil Informático)Las dificultades en el proceso de cosecha del arándano, debido a las propiedades fisiológicas expresadas por el fruto, provocan la necesidad de una gestión del cultivo eficiente. Actualmente no existen métodos que le permitan al agricultor cuantificar de manera automática la cantidad de fruto en pre-cosecha. En este trabajo se realiza un estudio de trabajos previos en el área y se propone la utilización de imágenes en espectro visual para la detección automática de arándanos en etapa de pre-cosecha, a través de del framework estado del arte Mask R-CNN, detallando la captura de imágenes y creación de la base de datos, además de la metodología utilizada. Se evalúan y presentan resultados para experimentos de Object Detection en espacios de colores RGB, L*a*b* y HSV, e Instance Segmentation en RGB, señalando la cantidad de datos y los parámetros utilizados para el entrenamiento de la red. En este trabajo se logra alcanzar una tasa de mAP de 0.71 y un promedio de IoU para las detecciones de 0.59 en Object Detection, y tasas de mAP de 0.91 e IoU de 0.73 para Instance Segmentation