Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning

Autores
Berger, Javier; Preussler, César; Agostini, Juan Pedro
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Los sistemas de visión artificial permiten automatizar tareas que requieren de personal entrenado para la identificación de características relevantes de determinados objetos. En este trabajo se describe el desarrollo de una aplicación móvil que utiliza técnicas de deep learning para identificar síntomas de Huanglongbing y carencias nutricionales en hojas de árboles cítricos. Se evaluaron los modelos de aprendizaje por trasferencia MobileNet e Inception utilizando Tensorflow y Python. Se generó una aplicación móvil para Android que logró clasificar correctamente el 89 % de las imágenes de hojas de un conjunto de evaluación utilizando el modelo MobileNet. La aplicación generada permitirá mejorar la identificación de síntomas en hojas de árboles cítricos durante los monitoreos realizados en plantaciones citrícolas.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
aplicación móvil
sistemas de visión artificial
deep learning
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-sa/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/71000
Acceder
id SEDICI_4e7b80ee06e8bd4d9d4f66db753d71ed
oai_identifier_str oai:sedici.unlp.edu.ar:10915/71000
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learningBerger, JavierPreussler, CésarAgostini, Juan PedroCiencias Informáticasaplicación móvilsistemas de visión artificialdeep learningLos sistemas de visión artificial permiten automatizar tareas que requieren de personal entrenado para la identificación de características relevantes de determinados objetos. En este trabajo se describe el desarrollo de una aplicación móvil que utiliza técnicas de deep learning para identificar síntomas de Huanglongbing y carencias nutricionales en hojas de árboles cítricos. Se evaluaron los modelos de aprendizaje por trasferencia MobileNet e Inception utilizando Tensorflow y Python. Se generó una aplicación móvil para Android que logró clasificar correctamente el 89 % de las imágenes de hojas de un conjunto de evaluación utilizando el modelo MobileNet. La aplicación generada permitirá mejorar la identificación de síntomas en hojas de árboles cítricos durante los monitoreos realizados en plantaciones citrícolas.Sociedad Argentina de Informática e Investigación Operativa2018-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf90-103http://sedici.unlp.edu.ar/handle/10915/71000spainfo:eu-repo/semantics/altIdentifier/url/http://47jaiio.sadio.org.ar/sites/default/files/CAI-12.pdfinfo:eu-repo/semantics/altIdentifier/issn/2525-0949info:eu-repo/semantics/reference/hdl/10915/135067info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-sa/3.0/Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-15T11:03:26Zoai:sedici.unlp.edu.ar:10915/71000Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-15 11:03:26.915SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning
title Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning
spellingShingle Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning
Berger, Javier
Ciencias Informáticas
aplicación móvil
sistemas de visión artificial
deep learning
title_short Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning
title_full Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning
title_fullStr Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning
title_full_unstemmed Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning
title_sort Identificación de síntomas de Huanglongbing en hojas de cítricos mediante técnicas de deep learning
dc.creator.none.fl_str_mv Berger, Javier
Preussler, César
Agostini, Juan Pedro
author Berger, Javier
author_facet Berger, Javier
Preussler, César
Agostini, Juan Pedro
author_role author
author2 Preussler, César
Agostini, Juan Pedro
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
aplicación móvil
sistemas de visión artificial
deep learning
topic Ciencias Informáticas
aplicación móvil
sistemas de visión artificial
deep learning
dc.description.none.fl_txt_mv Los sistemas de visión artificial permiten automatizar tareas que requieren de personal entrenado para la identificación de características relevantes de determinados objetos. En este trabajo se describe el desarrollo de una aplicación móvil que utiliza técnicas de deep learning para identificar síntomas de Huanglongbing y carencias nutricionales en hojas de árboles cítricos. Se evaluaron los modelos de aprendizaje por trasferencia MobileNet e Inception utilizando Tensorflow y Python. Se generó una aplicación móvil para Android que logró clasificar correctamente el 89 % de las imágenes de hojas de un conjunto de evaluación utilizando el modelo MobileNet. La aplicación generada permitirá mejorar la identificación de síntomas en hojas de árboles cítricos durante los monitoreos realizados en plantaciones citrícolas.
Sociedad Argentina de Informática e Investigación Operativa
description Los sistemas de visión artificial permiten automatizar tareas que requieren de personal entrenado para la identificación de características relevantes de determinados objetos. En este trabajo se describe el desarrollo de una aplicación móvil que utiliza técnicas de deep learning para identificar síntomas de Huanglongbing y carencias nutricionales en hojas de árboles cítricos. Se evaluaron los modelos de aprendizaje por trasferencia MobileNet e Inception utilizando Tensorflow y Python. Se generó una aplicación móvil para Android que logró clasificar correctamente el 89 % de las imágenes de hojas de un conjunto de evaluación utilizando el modelo MobileNet. La aplicación generada permitirá mejorar la identificación de síntomas en hojas de árboles cítricos durante los monitoreos realizados en plantaciones citrícolas.
publishDate 2018
dc.date.none.fl_str_mv 2018-09
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/10915/71000
url http://sedici.unlp.edu.ar/handle/10915/71000
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://47jaiio.sadio.org.ar/sites/default/files/CAI-12.pdf
info:eu-repo/semantics/altIdentifier/issn/2525-0949
info:eu-repo/semantics/reference/hdl/10915/135067
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-sa/3.0/
Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-sa/3.0/
Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
dc.format.none.fl_str_mv application/pdf
90-103
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_ 1846064087663902720
score 13.22299

Publicaciones similares