Umbralización óptima para la clasificación del crecimiento de plantas de frijol

Joel Artemio Morales-Viscaya; Adán Antonio Alonso-Ramírez; Alejandro Israel Barranco-Gutiérrez

doi:10.29057/icbi.v11iEspecial2.10662

Joel Artemio Morales-Viscaya Tecnológico Nacional de México, campus Celaya https://orcid.org/0000-0001-6887-8686
Adán Antonio Alonso-Ramírez Tecnológico Nacional de México campus Celaya https://orcid.org/0000-0002-9151-0465
Alejandro Israel Barranco-Gutiérrez Tecnológico Nacional de México, campus Celaya https://orcid.org/0000-0002-5050-6208

DOI: https://doi.org/10.29057/icbi.v11iEspecial2.10662

Palabras clave: Clasificación, Optimización, Umbralización, Agricultura

Resumen

Los sistemas para automatizar el monitoreo de cultivos pueden servir para reducir costos, incrementar la productividad y mejorar la calidad de las cosechas al crear las condiciones ambientales necesarias para cada etapa. En este trabajo se presenta un método para la clasificación de las fases de crecimiento de plantas de frijol en su etapa vegetativa. Se propone una clasificación basada en el área y dispersión de los píxeles tras una segmentación RGB óptima de las imágenes de las plantas de frijol en un ambiente controlado. Para llevar a cabo esta investigación, se utilizó una base de datos desarrollada en 2019 en el Tecnológico Nacional de México campus Celaya después de monitorear veinte plantas de frijol desde su etapa de germinación hasta la etapa de primera hoja trifoliada. Se comprueba la efectividad de la propuesta al obtener una segmentación adecuada de las plantas en las imágenes que permite identificar los estados vegetativos con un error menor al reportado en otros trabajos.

Descargas

La descarga de datos todavía no está disponible.

Citas

Balbin, J.R., Del Valle, C. D., Lopez V. J. L. G. y Quiambao, R. F., "Grading and Profiling of Coffee Beans for International Standards Using Integrated Image Processing Algorithms and Back-Propagation Neural Network," 2020 IEEE 12th International Conference on Humanoid, Nanotechnology, Information Technology, Communication and Control, Environment, and Management (HNICEM), Manila, Philippines, 2020, pp. 1-6, doi: 10.1109/HNICEM51456.2020.9400086.

Correa P., Bautista P., Lopez M., Villaseñor M., García C., Rostro-Gonzalez H y Perez-Pinal F.J., "An Approach of Beans Plant Development Classification Using Fuzzy Logic", Journal of Sensors. 2019. 10. doi: https://doi.org/110.1155/2019/4232536.

Cui X., "Design and Experiment of Control System for Intelligent Agriculture based on Arduino," 2020 IEEE 9th Joint International Information Technology and Artificial Intelligence Conference (ITAIC), Chongqing, China, 2020, pp. 2297-2300, doi: 10.1109/ITAIC49862.2020.9338949.

Fernández C., “Etapas de desarrollo de la planta de frijol común (Phaseolus vulgaris L.)”, Centro Internacional de Agricultura Tropical, CIAT, Cali, Colombia, 1986.

Hassanzadeh A., Murphy S. P., Pethybridge S. J., van Aardt J. y Zhang F., "Toward Maturity Assessment of SNAP Bean Crops: A Best-Case Greenhouse Scenario," IGARSS 2020 - 2020 IEEE International Geoscience and Remote Sensing Symposium, Waikoloa, HI, USA, 2020, pp. 5278-5281, doi: 10.1109/IGARSS39084.2020.9323202.

Instituto Nacional de Estadìstica y Geografía, "National Survey of Household Income and Expenditure (ENIGH). 2020 New series", 2020 https://en.www.inegi.org.mx/programas/enigh/nc/2020/

Khare T y Phadke A., "Automated Crop Field Surveillance Using Computer Vision", IEEE International Conference on Distributed Computing, 2020, doi: https://doi.org/10.48550/arXiv.2101.11217

Liu T., Li F., Li Y., Yang X., Wang Y. y Zhang J., "Precision agriculture technology improves yield and economic benefits of wheat in China: Evidence from a meta-analysis". Journal of Cleaner Production, 2021, 279, 123693. https://doi.org/10.1016/j.jclepro.2020.123693

Oña Oña A.J., Grijalva F., Proaño K., Acuña B. y García M., "Classification of Fresh Cocoa Beans with Pulp Based on Computer Vision," 2020 IEEE ANDESCON, Quito, Ecuador, 2020, pp. 1-6, doi: 10.1109/ANDESCON50619.2020.9272188.

Qing J., "Study of a Cleaning Intelligent Control System for Rice and Wheat Combine Harvester," 2020 IEEE International Conference on Artificial Intelligence and Information Systems (ICAIIS), Dalian, China, 2020, pp. 400-406, doi: 10.1109/ICAIIS49377.2020.9194934.

Rangarajan R., Mishra A., "Precision agriculture adoption and farm profitability: Evidence from apple farmers in India". Agricultural Systems, 2020, 181, 102812. https://doi.org/10.1016/j.agsy.2020.102812

Servicio de Información Agroalimentaria y Pesquera, "Estadìstica de la producciòn agricola de 2020" http://infosiap.siap.gob.mx/gobmx/datosAbiertos.php

Toskova A., Toskov B., Uhr Z. y Doukovska L., "Recognition of Wheat Pests," 2020 IEEE 10th International Conference on Intelligent Systems (IS), Varna, Bulgaria, 2020, pp. 276-280, doi: 10.1109/IS48319.2020.9200148.

Wu M. Y. y Ke C. K., "Development and Application of Intelligent Agricultural Planting Technology - The Case of Tea," 2020 International Symposium on Computer, Consumer and Control (IS3C), Taichung City, Taiwan, 2020, pp. 43-44, doi: 10.1109/IS3C50286.2020.00018..