Visión por computadora y aprendizaje profundo para viticultura de precisión
Autores: Mohimont, Lucas; Alin, François; Rondeau, Marine; Gaveau, Nathalie; Steffenel, Luiz Angelo
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Visión por computadora y aprendizaje profundo para viticultura de precisión
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Métodos de computación
Viticultores
Estimación de rendimiento
Visión por computadora
Aprendizaje Automático
Aprendizaje Profundo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 24
Citaciones: Sin citaciones
Durante las últimas décadas, los investigadores han desarrollado nuevos métodos informáticos para ayudar a los viticultores a resolver sus problemas, principalmente aquellos relacionados con la estimación del rendimiento de sus cultivos. Este artículo tiene como objetivo resumir la investigación existente asociada con la visión por computadora y la viticultura. Se centra en enfoques que utilizan imágenes RGB obtenidas directamente de las parcelas, que van desde métodos clásicos de análisis de imágenes hasta el Aprendizaje Automático, incluidas técnicas novedosas de Aprendizaje Profundo. Pretendemos producir un análisis completo accesible para todos, incluidos los lectores no especializados, para discutir el progreso reciente de la inteligencia artificial (IA) en la viticultura. Con este propósito, presentamos trabajos que se centran en la detección de flores de vid, uvas y bayas en las primeras secciones de este artículo. En las últimas secciones, presentamos diferentes métodos para la estimación del rendimiento y los problemas que surgen con esta tarea.
Descripción
Durante las últimas décadas, los investigadores han desarrollado nuevos métodos informáticos para ayudar a los viticultores a resolver sus problemas, principalmente aquellos relacionados con la estimación del rendimiento de sus cultivos. Este artículo tiene como objetivo resumir la investigación existente asociada con la visión por computadora y la viticultura. Se centra en enfoques que utilizan imágenes RGB obtenidas directamente de las parcelas, que van desde métodos clásicos de análisis de imágenes hasta el Aprendizaje Automático, incluidas técnicas novedosas de Aprendizaje Profundo. Pretendemos producir un análisis completo accesible para todos, incluidos los lectores no especializados, para discutir el progreso reciente de la inteligencia artificial (IA) en la viticultura. Con este propósito, presentamos trabajos que se centran en la detección de flores de vid, uvas y bayas en las primeras secciones de este artículo. En las últimas secciones, presentamos diferentes métodos para la estimación del rendimiento y los problemas que surgen con esta tarea.