Apple (Malus domestica) and pear (Pyrus communis) yield prediction after tree image analysis | ||
| dc.conicet.fuente | individual | |
| dc.conicet.organizacion | Instituto Nacional de Tecnología Agropecuaria | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas | |
| dc.conicet.organizacion | Universidad Nacional del Comahue. Facultad de Ciencias y Tecnologia de los Alimentos | |
| dc.conicet.organizacion | Universidad Nacional del Comahue. Facultad de Ingeniería | |
| dc.conicet.organizacion | Instituto Nacional de Tecnología Agropecuaria | |
| dc.conicet.organizacion | Universidad Nacional del Comahue. Facultad de Ciencias Agrarias | |
| dc.conicet.paisOrganizacion | Argentina | |
| dc.conicet.paisOrganizacion | Argentina | |
| dc.conicet.paisOrganizacion | Argentina | |
| dc.conicet.paisOrganizacion | Argentina | |
| dc.conicet.paisOrganizacion | Argentina | |
| dc.conicet.paisOrganizacion | Argentina | |
| dc.conicet.produccionid | 11510813 | |
| dc.contributor.author | del Brio, Dolores | |
| dc.contributor.author | Tassile, Valentin | |
| dc.contributor.author | Bramardi, Sergio Jorge | |
| dc.contributor.author | Fernandez, Dario Eduardo | |
| dc.contributor.author | Reeb, Pablo Daniel | |
| dc.date.accessioned | 2024-02-01T14:36:20Z | |
| dc.date.available | 2024-02-01T14:36:20Z | |
| dc.date.issued | 2023-08 | |
| dc.date.updated | 2024-01-31T13:10:39Z | |
| dc.description.abstract | Para pronosticar la producción es necesario contar el número de frutos de los árboles y estimar el tamaño medio. Esta información se obtiene manualmente y requiere mucha mano de obra experimentada. La visión artificial surge como alternativa para obtener más información en menos tiempo. Los objetivos del trabajo fueron entrenar modelos de visión artificial para detectar y contar el número de peras y manzanas en árboles a partir de imágenes; y medir diámetros de frutos en imágenes. Se usaron modelos pre-entrenados para detección de objetos basados en redes neuronales (YOLO). Se tomaron imágenes de árboles de día y de noche, y los frutos de cada planta fueron contados manualmente. Los modelos se evaluaron según sensibilidad, precisión y F1score; y se calculó la correlación entre frutos detectados y contados. La estimación de diámetros se realizó trazando líneas rectas sobre cada fruto y utilizando elementos de referencia. La precisión, sensibilidad y F1score alcanzados por los modelos fueron 0,86, 0,83 y 0,84, respectivamente. Las correlaciones entre diámetros medidos manualmente y por imágenes fueron de 0,73 en manzanas y 0,80 en peras. Las metodologías propuestas permitieron realizar estimaciones a partir de imágenes con una precisión aceptable y en menor tiempo respecto de las mediciones manuales. | es |
| dc.description.abstract | Yield forecasting depends on accurate tree fruit counts and mean size estimation. This information is generally obtained manually, requiring many hours of work. Artificial vision emerges as an interesting alternative to obtaining more information in less time. This study aimed to test and train YOLO pre-trained models based on neural networks for the detection and count of pears and apples on trees after image analysis; while also estimating fruit size. Images of trees were taken during the day and at night in apple and pear trees while fruits were manually counted. Trained models were evaluated according to recall, precision and F1score. The correlation between detected and counted fruits was calculated while fruit size estimation was made after drawing straight lines on each fruit and using reference elements. The precision, recall and F1score achieved by the models were up to 0.86, 0.83 and 0.84, respectively. Correlation coefficients between fruit sizes measured manually and by images were 0.73 for apples and 0.80 for pears. The proposed methodologies showed promising results, allowing forecasters to make less time-consuming and accurate estimates compared to manual measurements. | es |
| dc.description.fil | Fil: del Brio, Dolores. Instituto Nacional de Tecnología Agropecuaria; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina | |
| dc.description.fil | Fil: Tassile, Valentin. Universidad Nacional del Comahue. Facultad de Ciencias y Tecnologia de los Alimentos; Argentina | |
| dc.description.fil | Fil: Bramardi, Sergio Jorge. Universidad Nacional del Comahue. Facultad de Ingeniería; Argentina | |
| dc.description.fil | Fil: Fernandez, Dario Eduardo. Instituto Nacional de Tecnología Agropecuaria; Argentina | |
| dc.description.fil | Fil: Reeb, Pablo Daniel. Universidad Nacional del Comahue. Facultad de Ciencias Agrarias; Argentina | |
| dc.format | application/pdf | es |
| dc.identifier.citation | del Brio, Dolores; Tassile, Valentin; Bramardi, Sergio Jorge; Fernandez, Dario Eduardo; Reeb, Pablo Daniel; Apple (Malus domestica) and pear (Pyrus communis) yield prediction after tree image analysis; Universidad Nacional de Cuyo; Revista de la Facultad de Ciencias Agrarias de la Universidad Nacional de Cuyo; 55; 2; 8-2023; 1-11 | es |
| dc.identifier.eissn | 1853-8665 | es |
| dc.identifier.institucional | CONICET | |
| dc.identifier.issn | 0370-4661 | es |
| dc.identifier.repo | CONICET Digital | |
| dc.identifier.uri | http://hdl.handle.net/11336/225451 | |
| dc.journal.ciudad | Mendoza | es |
| dc.journal.number | 2 | es |
| dc.journal.pagination | 1-11 | es |
| dc.journal.pais | Argentina | es |
| dc.journal.title | Revista de la Facultad de Ciencias Agrarias de la Universidad Nacional de Cuyo | es |
| dc.journal.volume | 55 | es |
| dc.language.iso | eng | es |
| dc.publisher | Universidad Nacional de Cuyo | es |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/url/https://revistas.uncu.edu.ar/ojs3/index.php/RFCA/article/view/6452 | |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/doi/https://doi.org/10.48162/rev.39.104 | |
| dc.rights | info:eu-repo/semantics/openAccess | * |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ | * |
| dc.subject | ARTIFICIAL VISION | es |
| dc.subject | FRUIT DETECTION | es |
| dc.subject | MALUS DOMESTICA | es |
| dc.subject | PYRUS COMMUNIS | es |
| dc.subject | YIELD FORECAST | es |
| dc.subject.classification | Agricultura | es |
| dc.subject.classification | Agricultura, Silvicultura y Pesca | es |
| dc.subject.classification | CIENCIAS AGRÍCOLAS | es |
| dc.title | Apple (Malus domestica) and pear (Pyrus communis) yield prediction after tree image analysis | es |
| dc.title | Detección de manzanas (Malus domestica) y peras (Pyrus communis) a partir de imágenes para pronósticos de producción | es |
| dc.type | info:eu-repo/semantics/article | |
| dc.type | info:ar-repo/semantics/artículo | |
| dc.type | info:eu-repo/semantics/publishedVersion | |
Archivos
Bloque original
Cargando...
- Nombre:
- CONICET_Digital_Nro.8eb8efe4-e6c7-46fd-ae3b-01f6f5f1c5c1_B.pdf
- Tamaño:
- 699.12 KB
- Formato:
- Adobe Portable Document Format