Monitoreo del crecimiento de hongos con aprendizaje automático
Autores: Moysiadis, Vasileios; Kokkonis, Georgios; Bibi, Stamatia; Moscholios, Ioannis; Maropoulos, Nikolaos; Sarigiannidis, Panagiotis
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Monitoreo del crecimiento de hongos con aprendizaje automático
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Ciencias Agrícolas y Biológicas Generales
Palabras clave
Setas
Nutrientes
Proteínas
Minerales
Vitaminas
Aprendizaje automático
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 28
Citaciones: Sin citaciones
Los hongos contienen nutrientes valiosos, proteínas, minerales y vitaminas, y se sugiere incluirlos en nuestra dieta. Muchos agricultores cultivan hongos en entornos restringidos con parámetros atmosféricos específicos en invernaderos. Además, las tecnologías recientes del Internet de las cosas pretenden ofrecer soluciones en el área de la agricultura. En este documento, evaluamos la efectividad del aprendizaje automático para el monitoreo del crecimiento de hongos para el género . Utilizamos YOLOv5 para detectar la etapa de crecimiento de los hongos e indicar aquellos listos para cosechar. Los resultados muestran que puede detectar hongos en el invernadero con un F1-score de hasta 76.5%. La clasificación en la etapa final del crecimiento de los hongos ofrece una precisión de hasta el 70%, lo cual es aceptable considerando la complejidad de las fotos utilizadas. Además, proponemos un método para el monitoreo del crecimiento de hongos basado en Detectron2. Nuestro método muestra que el período de crecimiento promedio de los hongos es de 5.22 días. Además, nuestro método también es adecuado para indicar el día de cosecha. Los resultados de la evaluación muestran que podría mejorar el tiempo de cosecha para el 14.04% de los hongos.
Descripción
Los hongos contienen nutrientes valiosos, proteínas, minerales y vitaminas, y se sugiere incluirlos en nuestra dieta. Muchos agricultores cultivan hongos en entornos restringidos con parámetros atmosféricos específicos en invernaderos. Además, las tecnologías recientes del Internet de las cosas pretenden ofrecer soluciones en el área de la agricultura. En este documento, evaluamos la efectividad del aprendizaje automático para el monitoreo del crecimiento de hongos para el género . Utilizamos YOLOv5 para detectar la etapa de crecimiento de los hongos e indicar aquellos listos para cosechar. Los resultados muestran que puede detectar hongos en el invernadero con un F1-score de hasta 76.5%. La clasificación en la etapa final del crecimiento de los hongos ofrece una precisión de hasta el 70%, lo cual es aceptable considerando la complejidad de las fotos utilizadas. Además, proponemos un método para el monitoreo del crecimiento de hongos basado en Detectron2. Nuestro método muestra que el período de crecimiento promedio de los hongos es de 5.22 días. Además, nuestro método también es adecuado para indicar el día de cosecha. Los resultados de la evaluación muestran que podría mejorar el tiempo de cosecha para el 14.04% de los hongos.