Aplicación para estimar el nivel de madurez en las mazorcas de cacao haciendo uso de visión por computador y aprendizaje de máquina “deleco”

Vista sencilla de ítem
dc.contributor.authorHeredia Gómez, Juan Felipe
dc.contributor.authorRamírez Acuña, Juan Sebastián
dc.contributor.authorRueda Gómez, Juan Pablo
dc.contributor.cvlacHeredia Gómez, Juan Felipe [0001772745]spa
dc.contributor.googlescholarHeredia Gómez, Juan Felipe [bxQfeQEAAAAJ]spa
dc.contributor.orcidHeredia Gómez, Juan Felipe [0000-0003-1065-0827]spa
dc.contributor.researchgateHeredia Gómez, Juan Felipe [Juan-Felipe-Heredia-Gomez]
dc.contributor.researchgroupSemilleros de Investigación UNABspa
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.coverage.spatialBucaramanga (Santander, Colombia)spa
dc.coverage.temporal2020spa
dc.date.accessioned2023-11-11T08:59:18Z
dc.date.available2023-11-11T08:59:18Z
dc.date.issued2020-11
dc.description.abstractLa etapa de postcosecha tiene una gran importancia en el proceso productivo de cualquier cultivo, pero debido a la falta de tecnificación en el campo colombiano, casos como los del cacao, se presentan practicas artesanales las cuales afectan la calidad del producto, como por ejemplo: la identificación de la madurez de sus mazorcas realizada de manera visual; por ello se presenta esta investigación en la cual, se logró proponer una solución al problema anterior haciendo uso de visión por computador y aprendizaje profundo, implementando redes neuronales convolucionales, como lo es YOLO, para ser utilizadas por un dispositivo móvil en el campo colombiano.spa
dc.description.abstractenglishThe post-harvest stage is of great importance for the productive process of any crop plantation, however, given the lack of technification in the Colombian countryside, cases such as the one in the cocoa crops exists, where there is no way to know the precise ripeness of a cocoa pod unless some expert goes and visually checks it. Thus, the foundation for this research work was to give a solution to this problem, resulting in the development of a mobile app that uses Computer Vision and Deep Learning techniques such as CNNs and YOLO, to infer theripeness state of a cocoa pod.spa
dc.description.learningmodalityModalidad Presencialspa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.issnISSN 2344-7079spa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.identifier.urihttp://hdl.handle.net/20.500.12749/22722
dc.language.isospaspa
dc.publisher.deparmentSistema de Investigación SIUNABspa
dc.publisher.facultyFacultad Ingeniería
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.publisher.programPregrado Ingeniería de Sistemas
dc.relation.ispartofseriesGeneración Creativa : Encuentro de Semilleros de Investigación UNABspa
dc.relation.references[1] Bhagat, M., Kumar, D., & Kumar, D. (2019). Role of Internet of Things (IoT) in Smart Farming: A Brief Survey. Proceedings of 3rd International Conference on 2019 Devices for Integrated Circuit, DevIC 2019, 141–145. https://doi.org/10.1109/DEVIC.2019.8783800spa
dc.relation.references[2] Bochkovskiy, A., Wang, C.-Y., & Liao, H.-Y. M. (2020). YOLOv4: Optimal Speed and Accuracy of Object Detection. http://arxiv.org/abs/2004.10934spa
dc.relation.references[3] CAOBISCO/ECA/FCC. (2015). Cocoa Beans : Chocolate & Cocoa Industry Quality Requirements. http://www.cocoaquality.eu/data/Cocoa Beans Industry Quality Requirements Apr 2016_En.pdfspa
dc.relation.references[4] Chamo, A., D, A., Babura, B., & A.K Karaye. (2017). Influence of Agronomic Practices on Crop Production. International Journal of Sciences: Basic and Applied Research (IJSBAR), Vol. 31.spa
dc.relation.references[5] Hùng, V. (2013). tensorflow-yolov4-tflite. In GitHub repository. GitHub.spa
dc.relation.references[6] Machado Cuellar, L., Ordoñez Espinosa, C., Katherine, Y., Cruz, L., & Suárez Salazar, J. (2018). Organoleptic quality assessment of Theobroma cacao L. in cocoa farms in northern Huila, Colombia. Acta Agronómica, 67. https://doi.org/10.15446/acag.v67n1.66572spa
dc.relation.references[7] Nguyễn, H. V. H., Lê, H. M., & Savage, G. P. (2018). Effects of maturity at harvesting and primary processing of cocoa beans on oxalate contents of cocoa powder. Journal of Food Composition and Analysis, 67, 86–90. https://doi.org/https://doi.org/10.1016/j.jfca.2018.01.007spa
dc.relation.references[8] Redmon, J., & Farhadi, A. (2018). YOLOv3: An Incremental Improvement.spa
dc.relation.references[9] Sampieri, R. H., Collado, C. F., & Lucio, M. d. (2014). Metodologia de la investigación (Sexta ed.). Mexico D. McGRAW-HILL / INTERAMERICANA EDITORES, S.A. DE C.V.spa
dc.relation.references[10] Samui, P., Roy, S., & Balas, V. (2017). Handbook of Neural Computation 1st Edition.spa
dc.relation.references[11] Taiwo, A., & Bart-Plange, A. (2016). FACTORS RESPONSIBLE FOR POST-HARVEST LOSSES AND THEIR EFFECTS ON RICE PRODUCING FARMERS: A CASE STUDY OF AFIFE AND AVEYIME RICE PROJECTSIN THE VOLTA REGION OF GHANA. International Research Journal of Engineering and Technology (IRJET), 3, 1014–1022spa
dc.relation.references[12] Wolfert, S., Ge, L., Verdouw, C., & Bogaardt, M. J. (2017). Big Data in Smart Farming – A review. Agricultural Systems, 153, 69–80. https://doi.org/10.1016/j.agsy.2017.01.023spa
dc.relation.references[13] Yen, D., & Nguyễn, H. (2018). Effects of maturity stages and fermentation of cocoa beans on total phenolic contents and antioxidant capacities in raw cocoa powder. Vietnam Journal of Biotechnology, 14, 743–752. https://doi.org/10.15625/1811-4989/14/4/12309spa
dc.relation.urihttp://hdl.handle.net/20.500.12749/14245
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.sourceHeredia, J. F., Ramírez, J. S. & Rueda, J. P. (2020). Aplicación para estimar el nivel de madurez en las mazorcas de cacao haciendo uso de visión por computador y aprendizaje de máquina “deleco”. Recuperado de: http://hdl.handle.net/20.500.12749/22722spa
dc.subject.keywordsIoT applicationsspa
dc.subject.keywordsSoftware engineeringspa
dc.subject.keywordsAgriculturespa
dc.subject.keywordsInvestigationspa
dc.subject.keywordsCocoaspa
dc.subject.keywordsMaturityspa
dc.subject.keywordsYOLOspa
dc.subject.keywordsObject detectionspa
dc.subject.keywordsImage recognitionspa
dc.subject.lembAplicaciones IoTspa
dc.subject.lembIngeniería de softwarespa
dc.subject.lembAgriculturaspa
dc.subject.lembInvestigaciónspa
dc.subject.proposalCacaospa
dc.subject.proposalMadurezspa
dc.subject.proposalYOLOspa
dc.subject.proposalDetección de objetosspa
dc.subject.proposalReconocimiento de Imágenesspa
dc.titleAplicación para estimar el nivel de madurez en las mazorcas de cacao haciendo uso de visión por computador y aprendizaje de máquina “deleco”spa
dc.title.translatedApplication to estimate the level of maturity in cocoa pods using vision computer and machine learning “deleco”spa
dc.typeConferenceeng
dc.type.coarhttp://purl.org/coar/resource_type/c_f744
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.driverinfo:eu-repo/semantics/conferenceProceedingsspa
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersionspa
dc.type.localMemoria de eventosspa
dc.type.redcolhttp://purl.org/redcol/resource_type/EC_AC

Archivos

Bloque original

Mostrando 1 - 1 de 1
Miniatura
Nombre:
2020_Articulo_Heredia_Gomez_Juan_Felipe.pdf
Tamaño:
307.27 KB
Formato:
Adobe Portable Document Format
Descripción:
Artículo
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
829 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Memoria de eventos: Generación Creativa. Encuentro de Semilleros de Investigación UNAB