Clasificación de imágenes aéreas en la agricultura de precisión empleando redes neuronales
| dc.contributor.advisor | Martínez Gómez, Joisel | |
| dc.contributor.advisor | Torres Rodríguez, Idileisy | |
| dc.contributor.author | Hernández Regalado, Raybel | |
| dc.coverage.spatial | Santa Clara | en_US |
| dc.date.accessioned | 2018-10-16T17:40:00Z | |
| dc.date.available | 2018-10-16T17:40:00Z | |
| dc.date.issued | 2018-06-25 | |
| dc.description.abstract | La fotografía aérea es un punto de apoyo para la agricultura de precisión. Sin embargo, la clasificación de estas imágenes puede ser un proceso complicado y computacionalmente costoso. En este trabajo proponemos redes neuronales artificiales como una alternativa a los métodos de clasificación de imágenes. Las redes neuronales son clasificadores no paramétricos, es decir, no requieren que los datos de entrada sigan ninguna distribución estadística. Debido a su alto rendimiento en problemas de clasificación, evaluamos 3 arquitectura de red neuronal para la clasificación de imágenes aéreas en agricultura de precisión, enfocada en el proceso de clasificación de la caña de azúcar. Las arquitecturas evaluadas fueron: perceptrón simple, perceptrón multicapa y mapas auto organizados. El trabajo actual se enfoca en dos problemas específicos: (1) para detectar la presencia de caña de azúcar y (2) para clasificar la caña en dos etapas de maduración diferentes. Según los resultados obtenidos las redes neuronales de perceptrón multicapa muestran un mayor rendimiento frente a las redes de tipo perceptrón simple y mapas auto organizados. | en_US |
| dc.description.abstract | Aerial photography is a point of support for precision agriculture. However, the classification of these images can be a complicated process and computationally expensive. In this work we propose artificial neural networks as an alternative to image classification methods. Neural networks are nonparametric classifiers, that is, they do not require that the input data follow any statistical distribution. Due to its high performance in classification problems, we evaluate 3 neural network architecture for the classification of aerial images in precision agriculture, focused on the sugarcane classification process. The architectures evaluated were: simple perceptron, multilayer perceptron and self-organized maps. Current work is focused in two specific problems:. (1) to detect the presence of sugarcane and (2) to classify the cane in two different maturation stages. According to The obtained results the multilayer perceptron neural networks show a greater performance to in front of the networks of type simple perceptron and Self-Organized Maps. | en_US |
| dc.description.sponsorship | Facultad de Matemática, Física y Computación. Departamento de Ciencias de la Computación | en_US |
| dc.description.status | non-published | en_US |
| dc.identifier.uri | https://dspace.uclv.edu.cu/handle/123456789/9812 | |
| dc.language.iso | es | en_US |
| dc.publisher | Universidad Central “Marta Abreu” de Las Villas | en_US |
| dc.rights | Este documento es Propiedad Patrimonial de la Universidad Central “Marta Abreu” de Las Villas. Los usuarios podrán hacer uso de esta obra bajo la siguiente licencia: Creative Commons: Atribución-No Comercial-Compartir Igual 4.0 License | en_US |
| dc.subject | Imágenes Aéreas | en_US |
| dc.subject | Agricultura de Precisión | en_US |
| dc.subject | Redes Neuronales | en_US |
| dc.subject | Aerial Images | en_US |
| dc.subject | Precision Agriculture | en_US |
| dc.subject | Neural Networks | en_US |
| dc.subject.other | Fotografía Aérea | en_US |
| dc.subject.other | Procesamiento de Imagen | en_US |
| dc.subject.other | Percepción Remota | en_US |
| dc.subject.other | Redes Neuronales | en_US |
| dc.subject.other | Agricultura | en_US |
| dc.subject.other | Automatizacion | en_US |
| dc.title | Clasificación de imágenes aéreas en la agricultura de precisión empleando redes neuronales | en_US |
| dc.type | Thesis | en_US |
| dc.type.thesis | bachelor | en_US |