Pinus pinea: un reto para la agricultura de precisión
Barra lateral del artículo
Detalles del artículo
Los autores conservan los derechos de autor y aceptan la publicación de los contenidos bajo la licencia Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International. Cuando el autor envía su manuscrito se asume que conoce, y acepta los términos de acceso abierto y de la licencia utilizada, que permite la publicación inicial en esta revista y la divulgación de la obra.
Descargas
Altmetrics
Contenido principal del artículo
Resumen
El conteo de piñas en cultivos de Pinus pinea se realiza de forma manual en una sección del árbol; esta información se puede usar para relacionarse con el rendimiento del cultivo. La agricultura de precisión facilita realizar esta labor de conteo al incluir vehículos aéreos no tripulados (VANT), acompañados de cámaras de alta resolución que permiten obtener imágenes que posteriormente son procesadas computacionalmente y en conjunto con técnicas clásicas y avanzadas de aprendizaje de máquina (o machine learning), que posibilitan una estimación del conteo más automatizada, precisa y rápida comparada con el conteo manual.
Referencias
Franco Beleño, F. J. (2021). Detección y conteo automático de flores de pino Pinus pinea utilizando una estrategia de deep learning en imágenes adquiridas desde plataforma aérea (Tesis de pregrado). Universidad de Ibagué, Ibagué, Colombia.
Rahnemoonfar, M., & Sheppard, C. (2017). Deep Count: Fruit Counting Based on Deep Simulated Learning. Sensors, 17(4), 905. https://doi.org/10.3390/s17040905
Shawn C., K., Buchaillot, L., Segarra, J., Fernández Gallego, J. A., Araus, J. L., Llosa, X., Beltrán, M., & Piqué, M. (2021). Quantification of Pinus pinea pinecone productivity using 2 machine learning of UAV and field images. Environmental Sciences Proceedings.
Shinde, P. P., & Shah, S. (2018). A Review of Machine Learning and Deep Learning Applications. En Fourth International Conference on Computing Communication Control and Automation (ICCUBEA). https://doi.org/10.1109/ICCUBEA.2018.8697857