Please use this identifier to cite or link to this item: http://hdl.handle.net/10983/3202
Title: Diseño e implementación de un sistema de detección de malezas en cultivos Cundiboyacenses
Authors: Montenegro Bermúdez, Andrés Felipe
Parada Rojas, Cristian David
Director(s): Serrato Panqueba, Beatriz Nathalia, dir.
Keywords: VISIÓN ARTIFICIAL
CONTROL DE MALEZAS
AGRICULTURA DE PRECISIÓN
OPENCV
MATLAB
PYTHON
PROCESAMIENTO DE IMÁGENES
PROCESAMIENTO DE IMÁGENES
CONTROL DE MALEZAS
CONTROL AUTOMÁTICO
AGRICULTURA
Issue Date: 12-May-2016
Citation: Montenegro Bermúdez, A. F. & Parada Rojas, C. D. (2015). Diseño e implementación de un sistema de detección de malezas en cultivos Cundiboyacenses. Trabajo de Grado. Universidad Católica de Colombia. Facultad de Ingeniería. Programa de Ingeniería Electrónica y Telecomunicaciones. Bogotá, Colombia
Abstract: Este proyecto pretende llevar a cabo la implementación de un sistema de visión artificial y clasificadores clásicos supervisados que esté en la capacidad de hacer la detección y posterior clasificación de malas hierbas en diferentes cultivos de la región cundiboyacense mediante el desarrollo de software se llevó a cabo el tratamiento de un banco de imágenes recolectadas en terreno.
Description: 74 p.
Bibliography References: ÁNGEL A. Juan. MÁXIMO SEDANO, Alicia Vila. Clasificador de Bayes[en línea], [Citado el 30 de Noviembre de 2015], disponible en internet: < http://goo.gl/2Z7mb2>

BETANCOURT Diego Mauricio. Sistema de visión por computador para detectar hierba no deseada en prototipo de cultivo de frijol usando ambiente controlado.64p. Trabajo de grado (Ingeniero). Universidad católica de Colombia. Facultad de ingeniería. Electrónica y telecomunicaciones. visión artificial.

Centro Integrado Politécnico ETI Tudela, Visión artificial [en línea], [citado en 26 de agosto de 2015], disponible en internet: <http://goo.gl/ZqOvSq>

CETINA Victor, aprendizaje por refuerzo, Universidad Autónoma de Yucatán, 2012

CHAVEZ, Procesamiento de imágenes [en línea], Puebla, Universidad de las Américas puebla, [citado en 6 de Julio de 2015] disponible en internet: <http://goo.gl/JpssfW> 1

COLMENARES Gerardo. Inteligencia artificial, máquinas de soporte vectorial, [citado 15 abril 2012], disponible en internet < http://goo.gl/H2ZrpI >

CORREDOR GÓMEZ Jennifer Paola. Desarrollo de un sistema de control en la aplicación de técnicas selectivas de eliminación de maleza Bogotá 1 febrero 2011.Trabajo de grado (Ingeniero). Universidad Nacional de Colombia. Facultad de ingeniería. visión artificial.

CRIOLLO Paola Jimena , OBANDO Melissa , SÁNCHEZ M. Leonardo, BONILLA Ruth. Efecto de bacterias promotoras de crecimiento vegetal (PGPR) asociadas a Pennisetum clandestinum en el altiplano cundiboyacense. EN: Revista Corpoica - Ciencia y Tecnología Agropecuaria (2012) 13(2), pag.189-195.

ESPINOSA GUALDRON Diana Judith, MUÑOZ NEIRA Milton Javier. Entrenamiento de una red neuronal artificial para la clasificación de hojas asociadas al cultivo de maíz. EN: UniSangil, Facultad de Ciencias Naturales e Ingeniería, San Gil Colombia

GARCÍA, V. VÁSQUEZ, A. Los Robots en el Sector Agrícola. EN: Universidad Politécnica de Madrid, Departamento de Automática, Ingeniería Electrónica e Informática Industrial

Geometría euclidea [en línea], [citado en 14 de agosto de 2015], disponible en internet: <http://goo.gl/nCWGJO>

Glosario de visión artificial [en línea], [citado en 26 de julio de 2015], disponible en internet <http://goo.gl/OjaIfc>

GONZÁLEZ ABRIL L. Modelos de Clasificación basados en Máquinas de Vectores, [citado 25 agosto 2013], disponible en internet: < http://goo.gl/1I1ndd>

GUO-QUAN Jiang, CUI-JUN Zhao, YONG-SHENG Si. A machine vision based crop rows detection for agricultural robots, Wavelet Analysis and Pattern Recognition (ICWAPR). EN: International Conference on. 2010.Pag. 114 - 118

Inmensia, umbralizacion de la imagen [en línea] [citado en 8 de agosto de 2015], disponible en internet: < http://goo.gl/1TCwCi>

KATAOKA, T. ; KANEKO, T. ; OKAMOTO, H. ; HATA, S. Crop growth estimation system using machine vision. EN: Industrial Electronics Society, IECON 39th Annual Conference of the IEEE, Vol 2; Pag. b1079 - b1083.

LA SERNA PALOMINO, Nora. ROMÁN CONCHA, Ulises. Técnicas de Segmentación en Procesamiento Digital de Imágenes. En: Universidad Nacional Mayor de San Marcos Facultad de Ingeniería de Sistemas e Informática, 2012.

La visión artificial: una tecnología versátil para la automatización de las máquinas agrícolas, Club Bologna 21ᵃ Reunión plenaria, Marzo 2011pag 74-80

MATEO JIMÉNEZ, Fernando. Redes neuronales y preprocesado de variables para modelos y sensores en bioingeniería, Valencia, Junio de 2012

MATICH DAMIAN Jorge, Redes Neuronales: Conceptos Básicos y Aplicaciones. Universidad Tecnológica Nacional, 2001 disponible en internet:< http://goo.gl/ifsX97>

MATLAB MATHWORKS, [Citado el 30 de Noviembre de 2015] Disponible en internet:<http://www.mathworks.com/>

MATLAB MATHWORKS, Maquinas de soporte vectorial [en línea], [citado en 3 de octubre de 2015], disponible e internet: <http://goo.gl/qtY10V>

MATWORKS, Detección de bordes [en línea], [citado en 6 de octubre de 2015], disponible en internet <http://goo.gl/jPpGJ3>

MINISTERIO DE EDUCACION Y CIENCIA Gimp, Aplicaciones didácticas [en línea], [citado en 4 de septiembre de 2015] disponible en internet: < http://goo.gl/4cpBGC>

Moltoni Andrés, Moltoni Luciana. Pulverización selectiva de herbicidas: implicancias tecnológicas y económicas de su implementación en la argentina. EN: instituto de ingeniería rural.

MORENO GARCÍA, María, MIGUEL QUINTALES, Luis, GARCÍA PEÑALVO, Francisco, POLO MARTIN, José. Aplicación de técnicas de minería de datos en la construcción y validación de modelos predictivos y asociativos a partir de especificaciones de requisitos de software. EN: Universidad de Salamanca, España.

Ramírez Escalante, Boris. Procesamiento Digital de Imágenes [en línea], Verona, [citado agosto, 2006] Disponible en internet: <http://goo.gl/EABCQ3 >

RAMÍREZ OSUNA Daniela Guadalupe. Desarrollo de un método de procesamiento de imágenes para la discriminación de malezas en cultivos de maíz. Querétaro, mayo 2012. Trabajo de grado. (Ingeniero) Universidad Autónoma de Querétaro.

RICARDO ALER MUR. Clasificadores KNN-I [en línea], [citado en 14 de noviembre de 2015], disponible en internet: <http://goo.gl/WYqwUn>

Technolabsz Canal HSV [en línea], [citado en 5 de agosto de 2015] ,disponible en internet:< https://goo.gl/ov8IPJ

TELLAECHE, A. ; BURGOS ARTIZZU, X.P. ; PAJARES, G. ; RIBEIRO, A. A Visionbased Classifier in Precision Agriculture Combining Bayes and Support Vector Machines, Intelligent Signal Processing. EN: WISP IEEE International Symposium on, 2007; Pag. 1 – 6

UNIVERSITAT DE GIRONA, Operaciones morfológicas [en línea], [citado en 25 de marzo de 2015], disponible en internet: <http://goo.gl/6JE52X>

WEYRICH, M.YONGHENG Wang ; SCHARF, M. Quality assessment of row crop plants by using a machine vision system. EN: Industrial Electronics Society, IECON 39th Annual Conference of the IEEE, 2013; Pag. 2466 – 2471
URI: http://hdl.handle.net/10983/3202
Appears in Collections:ACE. Pregrado Electrónica y Telecomunicaciones

Files in This Item:
File Description SizeFormat 
DISEÑO E IMPLEMENTACIÓN DE UN SISTEMA DE DETECCIÓN DE MALEZAS EN CULTIVOS CUNDIBOYACENSES.pdfDocumento1.71 MBAdobe PDFThumbnail
View/Open
RAE.pdfRAE243.4 kBAdobe PDFThumbnail
View/Open


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons