Detección de yemas brotadas para la estimación temprana del rendimiento de una plantación de kiwi

• Autores: Pérez, Silvia N.; Dejean, Gustavo A.; Giuliano, Mónica; Yommi, Alejandra; David, María A.; Murillo, Natalia L.; Balaguer, Federico; García Ravlic, Ignacio A.; Mendoza, Dante H.
• Año de publicación: 2022
• Idioma: español castellano
• Tipo de recurso: documento de conferencia
• Materia: Ciencias Informáticas; Procesamiento de Imágenes; Detección de objetos; Deep Learning; Estimación de producción
• Institución: Universidad Nacional de La Plata

Se presentan aquí resultados de detección de órganos vegetales en imágenes usando redes convolucionales, correspondientes a la primera etapa de un proyecto que propone desarrollar procedimientos para estimar en forma temprana el rendimiento de un lote de producción de kiwi. Para lograr la predicción del rendimiento, se consideran tres estadíos fenológicos del crecimiento del kiwi y para validar, se dispondrá de resultados finales de cosecha. Para cada etapa se consideran 1000 imágenes, capturadas en toda el área cubierta por el cultivo, que permiten entrenar y elegir un modelo para conteo automático de objetos. Además, el modelo se evalúa en 50 sitios elegidos al azar en la plantación, donde se compara el conteo manual con el conteo automático obtenido sobre imágenes de cada sitio. Los resultados en esta primera etapa, realizada sobre yemas brotadas en 47 sitios de la plantación, son promisorios en cuanto a la utilización de modelos de deep learning para detección de objetos y muestran la necesidad de profundizar en el ajuste de modelos y estrategias de conteo. Esto permite inferir que puede utilizarse el conteo automático como input en el modelo predictivo final. La metodología propuesta permitirá la predicción del rendimiento total de la plantación.
Red de Universidades con Carreras en Informática