Identificación y conteo de aceitunas en imágenes digitales tomadas en el olivar mediante morfología matemática y redes neuronales convolucionales

  1. Arturo Aquino 1
  2. Juan Manuel Ponce 1
  3. Borja Millan 1
  4. Diego Tejada-Guzmán 1
  5. José Manuel Andújar 1
  1. 1 Universidad de Huelva
    info

    Universidad de Huelva

    Huelva, España

    ROR https://ror.org/03a1kt624

Libro:
XL Jornadas de Automática: libro de actas. Ferrol, 4-6 de septiembre de 2019
  1. Jose Luis Calvo Rolle (coord.)
  2. Jose Luis Casteleiro Roca (coord.)
  3. María Isabel Fernández Ibáñez (coord.)
  4. Óscar Fontenla Romero (coord.)
  5. Esteban Jove Pérez (coord.)
  6. Alberto José Leira Rejas (coord.)
  7. José Antonio López Vázquez (coord.)
  8. Vanesa Loureiro Vázquez (coord.)
  9. María Carmen Meizoso López (coord.)
  10. Francisco Javier Pérez Castelo (coord.)
  11. Andrés José Piñón Pazos (coord.)
  12. Héctor Quintián Pardo (coord.)
  13. Juan Manuel Rivas Rodríguez (coord.)
  14. Benigno Rodríguez Gómez (coord.)
  15. Rafael Alejandro Vega Vega (coord.)

Editorial: Servizo de Publicacións ; Universidade da Coruña

ISBN: 978-84-9749-716-9

Año de publicación: 2019

Páginas: 818-827

Congreso: Jornadas de Automática (40. 2019. Ferrol)

Tipo: Aportación congreso

Resumen

La estimación precoz y precisa de la producción es un objetivo muy codiciado en la agricultura moderna. En el caso de la olivicultura, ello toma una especial relevancia debido al alto valor económico que alcanza su producción. Este artículo presenta una metodología enfocada a lograr dicho objetivo. Concretamente, se propone un algoritmo de visión artificial capaz de detectar las aceitunas visibles en una imagen digital de un árbol de olivo, tomada directamente en campo, de noche y con iluminación artificial. En primera instancia, esta imagen es preprocesada mediante técnicas de morfología matemática y filtrado estadístico para, a partir de ella, obtener un conjunto de subimágenes con alta probabilidad de contener una aceituna. Este preprocesamiento reduce el espacio potencial de búsqueda en una magnitud de 103. A continuación, estas subimágenes son clasificadas por una red neuronal convolucional como ‘aceituna’ o ‘descarte’. De un total de 304.483 subimágenes, extraídas de 21 imágenes, la red clasificó correctamente el 98,23%, y arrojó un coeficiente de determinación R2 igual a 0,9875, al enfrentar el número de aceitunas detectadas con el obtenido manualmente. Esta precisión alcanzada indica que el algoritmo desarrollado constituye un paso certero en la implementación de un futuro sistema de estimación de la producción de cultivos de olivo.