Mostrar el registro sencillo del ítem

dc.contributor.authorMira-Serrano, Jose Luis
dc.date2022-02-23
dc.date.accessioned2022-05-12T07:19:59Z
dc.date.available2022-05-12T07:19:59Z
dc.identifier.urihttps://reunir.unir.net/handle/123456789/13078
dc.descriptionNowadays, the collection of data that enables the estimation of the insect population is done by direct observation and the counting of individuals is manual. Pest prevention technicians cross-reference this information with other environmental variables (temperature, humidity, etc.), thus feeding a prediction model which allows to anticipate peaks of risk in order to apply the corresponding preventive measures. Another bene t to be taken into account in the application of these models is the ability to adjust phytosanitary treatments with consequent savings for farmers and positive impact on the environment. The counting task requires a lot of effort and labour, which also sometimes leads to limiting its applicability, due to the high costs of the process. This project aims to develop an arti cial intelligence and computer vision algorithm, wich will be deployed in a Raspberry Pi system. The result aims to be a rst step to automate this kind of tasks.es_ES
dc.description.abstractEn la actualidad, la recogida de datos, que permiten estimar la población de insectos, se realiza por observación directa y recuento manual de los mismos. Los técnicos de prevención de plagas cruzan esta información obtenida con otras variables de tipo ambiental (temperatura, humedad, etc.), alimentando de esta forma un modelo de predicción el cual permite adelantarse a épocas de riesgo para poder aplicar las medidas preventivas correspondientes. Otro bene cio a tener en cuenta de la aplicación de estos modelos es la capacidad de ajustar los tratamientos tosanitarios con el consiguiente ahorro para los agricultores e impacto positivo en el medio ambiente. La tarea de recuento requiere de un gran esfuerzo y cantidad de mano de obra, lo que también lleva en ocasiones a limitar su aplicabilidad debido a los altos costes del proceso. Este TFM pretende desarrollar un algoritmo de inteligencia arti cial y visión por computador, que sera desplegado en un sistema Raspberry Pi. El resultado supone un primer paso para automatizar este tipo de tareas.es_ES
dc.language.isospaes_ES
dc.rightsopenAccesses_ES
dc.subjectcontrol de plagases_ES
dc.subjectinteligencia artificiales_ES
dc.subjectsistemas on the edgees_ES
dc.subjectvisión por computadores_ES
dc.subjectartificial inteligencees_ES
dc.subjectcomputer visiones_ES
dc.subjecton the edge systemses_ES
dc.subjectpest vontroles_ES
dc.subjectMáster Universitario en Inteligencia Artificiales_ES
dc.titleSistema edge computing para la detección de Lobesia Botrana mediante imágeneses_ES
dc.typemasterThesises_ES
reunir.tag~MIAes_ES


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem