Estimación de rendimientos en montes frutales de peras y manzanas incorporando el uso de análisis de imágenes

Autores
Del Brio, Dolores; Tassile, Valentín; Ferndández, Darío Eduardo; Bramardi, Sergio Jorge; Giménez, Gustavo Nestor Jorge; Reeb, Pablo Daniel
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El pronóstico de cosecha a nivel de parcela es una herramienta de gran utilidad en la producción de frutales de pepita. Para realizar pronósticos es necesario conocer el número de frutos presentes en los árboles, el tamaño que alcanzarán a cosecha y el número de árboles de la parcela frutal. Para conocer el número de frutos generalmente se utilizan metodologías de conteo manual, que son costosas y poco precisas. El objetivo de este trabajo fue implementar un modelo predictivo del rendimiento a cosecha para frutales de pepita del Alto Valle de Río Negro y Neuquén. Se trabajó en tres montes frutales de pera cv. "William's" y tres de manzanas cv. "Red chief". Se realizaron estimaciones mediante dos modelos de pronóstico diferentes: uno basado en conteo manual de frutos para obtener la carga, y otro basado en la detección y conteo automático de frutos a partir de imágenes para estimar la carga. Se compararon los costos entre ambas metodologías y la calidad de predicción respecto a los datos reales de cosecha. Además, se realizó una estimación de tamaños comerciales a cosecha. Los rendimientos estimados mediante los pronósticos realizados a partir de conteos manuales de frutos presentaron errores relativos menores al 10% respecto a los rendimientos reales. Por otra parte, en 5 de los 6 montes frutales evaluados, los rendimientos estimados con pronósticos realizados a partir de imágenes presentaron errores relativos que no superaron el 10% respecto a los rendimientos reales y en un monte frutal el error fue del 24,5%. Si bien el pronóstico realizado mediante conteos manuales resultó un poco más preciso, su costo fue 3 veces más alto que el de imágenes. Las estimaciones de distribución de tamaños a cosecha no representaron en forma adecuada las distribuciones obtenidas realmente.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
peras
manzanas
modelos mixtos no lineales
visión artificial
pronóstico de producción
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/176986
Acceder
id SEDICI_1dc5d1285791040e63c296bd12ddcd28
oai_identifier_str oai:sedici.unlp.edu.ar:10915/176986
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Estimación de rendimientos en montes frutales de peras y manzanas incorporando el uso de análisis de imágenesDel Brio, DoloresTassile, ValentínFerndández, Darío EduardoBramardi, Sergio JorgeGiménez, Gustavo Nestor JorgeReeb, Pablo DanielCiencias Informáticasperasmanzanasmodelos mixtos no linealesvisión artificialpronóstico de producciónEl pronóstico de cosecha a nivel de parcela es una herramienta de gran utilidad en la producción de frutales de pepita. Para realizar pronósticos es necesario conocer el número de frutos presentes en los árboles, el tamaño que alcanzarán a cosecha y el número de árboles de la parcela frutal. Para conocer el número de frutos generalmente se utilizan metodologías de conteo manual, que son costosas y poco precisas. El objetivo de este trabajo fue implementar un modelo predictivo del rendimiento a cosecha para frutales de pepita del Alto Valle de Río Negro y Neuquén. Se trabajó en tres montes frutales de pera cv. "William's" y tres de manzanas cv. "Red chief". Se realizaron estimaciones mediante dos modelos de pronóstico diferentes: uno basado en conteo manual de frutos para obtener la carga, y otro basado en la detección y conteo automático de frutos a partir de imágenes para estimar la carga. Se compararon los costos entre ambas metodologías y la calidad de predicción respecto a los datos reales de cosecha. Además, se realizó una estimación de tamaños comerciales a cosecha. Los rendimientos estimados mediante los pronósticos realizados a partir de conteos manuales de frutos presentaron errores relativos menores al 10% respecto a los rendimientos reales. Por otra parte, en 5 de los 6 montes frutales evaluados, los rendimientos estimados con pronósticos realizados a partir de imágenes presentaron errores relativos que no superaron el 10% respecto a los rendimientos reales y en un monte frutal el error fue del 24,5%. Si bien el pronóstico realizado mediante conteos manuales resultó un poco más preciso, su costo fue 3 veces más alto que el de imágenes. Las estimaciones de distribución de tamaños a cosecha no representaron en forma adecuada las distribuciones obtenidas realmente.Sociedad Argentina de Informática e Investigación Operativa2024-08info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf104-117http://sedici.unlp.edu.ar/handle/10915/176986spainfo:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/17964info:eu-repo/semantics/altIdentifier/issn/2451-7496info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-22T17:28:42Zoai:sedici.unlp.edu.ar:10915/176986Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-22 17:28:43.271SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Estimación de rendimientos en montes frutales de peras y manzanas incorporando el uso de análisis de imágenes
title Estimación de rendimientos en montes frutales de peras y manzanas incorporando el uso de análisis de imágenes
spellingShingle Estimación de rendimientos en montes frutales de peras y manzanas incorporando el uso de análisis de imágenes
Del Brio, Dolores
Ciencias Informáticas
peras
manzanas
modelos mixtos no lineales
visión artificial
pronóstico de producción
title_short Estimación de rendimientos en montes frutales de peras y manzanas incorporando el uso de análisis de imágenes
title_full Estimación de rendimientos en montes frutales de peras y manzanas incorporando el uso de análisis de imágenes
title_fullStr Estimación de rendimientos en montes frutales de peras y manzanas incorporando el uso de análisis de imágenes
title_full_unstemmed Estimación de rendimientos en montes frutales de peras y manzanas incorporando el uso de análisis de imágenes
title_sort Estimación de rendimientos en montes frutales de peras y manzanas incorporando el uso de análisis de imágenes
dc.creator.none.fl_str_mv Del Brio, Dolores
Tassile, Valentín
Ferndández, Darío Eduardo
Bramardi, Sergio Jorge
Giménez, Gustavo Nestor Jorge
Reeb, Pablo Daniel
author Del Brio, Dolores
author_facet Del Brio, Dolores
Tassile, Valentín
Ferndández, Darío Eduardo
Bramardi, Sergio Jorge
Giménez, Gustavo Nestor Jorge
Reeb, Pablo Daniel
author_role author
author2 Tassile, Valentín
Ferndández, Darío Eduardo
Bramardi, Sergio Jorge
Giménez, Gustavo Nestor Jorge
Reeb, Pablo Daniel
author2_role author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
peras
manzanas
modelos mixtos no lineales
visión artificial
pronóstico de producción
topic Ciencias Informáticas
peras
manzanas
modelos mixtos no lineales
visión artificial
pronóstico de producción
dc.description.none.fl_txt_mv El pronóstico de cosecha a nivel de parcela es una herramienta de gran utilidad en la producción de frutales de pepita. Para realizar pronósticos es necesario conocer el número de frutos presentes en los árboles, el tamaño que alcanzarán a cosecha y el número de árboles de la parcela frutal. Para conocer el número de frutos generalmente se utilizan metodologías de conteo manual, que son costosas y poco precisas. El objetivo de este trabajo fue implementar un modelo predictivo del rendimiento a cosecha para frutales de pepita del Alto Valle de Río Negro y Neuquén. Se trabajó en tres montes frutales de pera cv. "William's" y tres de manzanas cv. "Red chief". Se realizaron estimaciones mediante dos modelos de pronóstico diferentes: uno basado en conteo manual de frutos para obtener la carga, y otro basado en la detección y conteo automático de frutos a partir de imágenes para estimar la carga. Se compararon los costos entre ambas metodologías y la calidad de predicción respecto a los datos reales de cosecha. Además, se realizó una estimación de tamaños comerciales a cosecha. Los rendimientos estimados mediante los pronósticos realizados a partir de conteos manuales de frutos presentaron errores relativos menores al 10% respecto a los rendimientos reales. Por otra parte, en 5 de los 6 montes frutales evaluados, los rendimientos estimados con pronósticos realizados a partir de imágenes presentaron errores relativos que no superaron el 10% respecto a los rendimientos reales y en un monte frutal el error fue del 24,5%. Si bien el pronóstico realizado mediante conteos manuales resultó un poco más preciso, su costo fue 3 veces más alto que el de imágenes. Las estimaciones de distribución de tamaños a cosecha no representaron en forma adecuada las distribuciones obtenidas realmente.
Sociedad Argentina de Informática e Investigación Operativa
description El pronóstico de cosecha a nivel de parcela es una herramienta de gran utilidad en la producción de frutales de pepita. Para realizar pronósticos es necesario conocer el número de frutos presentes en los árboles, el tamaño que alcanzarán a cosecha y el número de árboles de la parcela frutal. Para conocer el número de frutos generalmente se utilizan metodologías de conteo manual, que son costosas y poco precisas. El objetivo de este trabajo fue implementar un modelo predictivo del rendimiento a cosecha para frutales de pepita del Alto Valle de Río Negro y Neuquén. Se trabajó en tres montes frutales de pera cv. "William's" y tres de manzanas cv. "Red chief". Se realizaron estimaciones mediante dos modelos de pronóstico diferentes: uno basado en conteo manual de frutos para obtener la carga, y otro basado en la detección y conteo automático de frutos a partir de imágenes para estimar la carga. Se compararon los costos entre ambas metodologías y la calidad de predicción respecto a los datos reales de cosecha. Además, se realizó una estimación de tamaños comerciales a cosecha. Los rendimientos estimados mediante los pronósticos realizados a partir de conteos manuales de frutos presentaron errores relativos menores al 10% respecto a los rendimientos reales. Por otra parte, en 5 de los 6 montes frutales evaluados, los rendimientos estimados con pronósticos realizados a partir de imágenes presentaron errores relativos que no superaron el 10% respecto a los rendimientos reales y en un monte frutal el error fue del 24,5%. Si bien el pronóstico realizado mediante conteos manuales resultó un poco más preciso, su costo fue 3 veces más alto que el de imágenes. Las estimaciones de distribución de tamaños a cosecha no representaron en forma adecuada las distribuciones obtenidas realmente.
publishDate 2024
dc.date.none.fl_str_mv 2024-08
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/176986
url http://sedici.unlp.edu.ar/handle/10915/176986
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/17964
info:eu-repo/semantics/altIdentifier/issn/2451-7496
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
104-117
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846783772578545664
score 12.982451

Publicaciones similares