Sistema de control de calidad de cultivo de fruta de temporada para etapa de precosecha empleando robótica aérea con planificación de trayectorias y visión artificial
No Thumbnail Available
Files
Date
2024-08
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Técnica de Ambato. Facultad de Ingeniería en Sistemas, Electrónica e Industrial. Carrera de Telecomunicaciones
Abstract
Currently, agriculture plays a fundamental role in the global economy. To meet the growing food demand, advanced technological tools have been integrated to optimize agricultural practices, known as Precision Agriculture (PA).
These tools offer solutions that will mitigate the difficulties faced by farmers in their daily tasks. In this context, a study was carried out with the aim of implementing a quality control system for seasonal fruit crops for the pre-harvest stage using aerial robotics with trajectory planning and artificial vision. The importance of fruit quality control in Ecuador lies in its high demand both in the national and international markets. Technical standard NTE INEN 1872 establishes criteria for classifying apples according to quality grades for export and consumption. This system is based on the use of YOLOv8, a deep learning tool that evaluates the quality grade and classifies the different types of apples.
The system consists of four stages: acquisition, processing, training, and visualization. In the acquisition stage, the Dji Tello drone was used to capture images or videos in real-time. The acquired data undergo preprocessing using OpenCV. A neural network was employed to train a model capable of accurately recognizing the type and quality grade of apples. For visualization, an intuitive graphical interface was designed to allow visual representation of the data derived from the trained model. The system algorithm was developed in Python due to its multiple libraries.
Description
En la actualidad, la agricultura desempeña un papel fundamental en la economía mundial. Con el fin de satisfacer la creciente demanda alimentaria, se han integrado herramientas tecnológicas avanzadas para optimizar las prácticas agrícolas, conocidas como Agricultura de Precisión (PA). Estas herramientas ofrecen soluciones que mitigaran las dificultades a las que se enfrentan los agricultores en sus tareas cotidianas.
En este contexto, se llevó a cabo un estudio con el objetivo de implementar un sistema de control de calidad de cultivo de fruta de temporada para etapa de precosecha empleando robótica aérea con planificación de trayectorias y visión artificial. La importancia del control de calidad de las frutas en Ecuador radica en su alta demanda tanto en el mercado nacional como internacional. La norma técnica NTE INEN 1872 establece criterios de clasificación de la manzana mediante grados de calidad para exportación y consumo. Este sistema se fundamenta en el uso de YOLOv8, una herramienta de aprendizaje profundo que evalúa el grado de calidad y clasifica los diferentes tipos de manzana.
El sistema consta de cuatro etapas: adquisición, procesamiento, entrenamiento y visualización. En la etapa de adquisición, se utilizó el dron Dji Tello para capturar imágenes o videos en tiempo real. Los datos adquiridos tienen un preprocesamiento mediante OpenCV. Se empleo una red neuronal para entrenar un modelo capaz de reconocer de manera precisa el tipo y grado de calidad en manzanas. Para la visualización se diseñó una interfaz gráfica intuitiva que permita la representación visual de los datos derivados del modelo entrenado. El algoritmo del sistema se desarrolló en Python debido a sus múltiples librerías.
Keywords
UAV, AGRICULTURA DE PRESICIÓN, INTELIGENCIA ARTIFICIAL, DEEP LEARNING, YOLO