Examinando por Autor "Martínez Osorio, Alejandro"

Mostrando 1 - 1 de 1
  • Miniatura
    PublicaciónAcceso abierto
    Identificación y conteo de insectos (mosca blanca, trips y minador de hoja) capturados en trampa adhesiva mediante visión e inteligencia artificial. Caso Flores El Trigal
    (Universidad EIA, 2020) López Grisales, Natalia; Martínez Osorio, Alejandro
    RESUMEN: En los cultivos de flores, la presencia de plagas puede generar grandes pérdidas y afectar la producción de las empresas, por esto, es fundamental realizar un monitoreo constante en busca de insectos, enfermedades o daños en las plantas que indiquen la presencia de plagas. Esta es una labor que se torna complicada debido a que el comportamiento de algunos insectos puede ser más activo en la noche o en la ausencia de los operarios. Actualmente, para contrarrestar esta problemática, se implementa el uso de trampas adhesivas como método de monitoreo indirecto, con las cuales se capturan insectos para luego analizar el crecimiento de su población. La información recolectada en la lectura de las trampas es clave para la toma de decisiones, pero la magnitud de los cultivos y el tamaño de los insectos hacen que sea una tarea que demanda tiempo, esfuerzo y conocimiento especializado. Por esto, con el desarrollo de este proyecto se busca automatizar el proceso, mediante la identificación automática de tres clases de insectos: Minador de hoja, Trips y Mosca Blanca, a través de una aplicación móvil, dando alivio a la persona encargada de realizar esta actividad. En este documento se presenta un estudio de diferentes métodos computacionales para la clasificación y conteo de insectos, mediante la metodología Design Thinking de Herbert Simon (1969), la cual propone 7 etapas: definición, investigación, ideación, prototipado, selección, implementación y aprendizaje. Esta metodología puede ejecutarse de forma no lineal e iterativa. Los métodos computacionales estudiados son: Procesamiento Digital de Imágenes, Machine Learning a través de la plataforma Custom Vision de Microsoft Azure y Deep Learning con el modelo de detección de objetos YOLO (You Only Look Once). Luego de diseñar y probar un prototipo por cada método, se elige el modelo YOLO para su implementación, ya que obtuvo el mejor desempeño en la clasificación de los insectos. El modelo seleccionado se implementa en una aplicación móvil desarrollada en el software Android Studio, con la cual es posible clasificar y cuantificar los insectos capturados en la trampa en tiempo real, lo que reduce el tiempo que toma realizar el monitoreo manual, de 1 minuto por placa aproximadamente a un par de segundos que le toma a la persona enfocar la trampa con el dispositivo móvil; suprime la necesidad de capacitar a las personas en identificación de plagas y ofrece a la empresa la oportunidad de almacenar la información digitalmente, dando un paso importante en la transformación digital, la cultura del dato y el uso de la información.