Aplicación de redes CNN para la detección de órganos reproductivos de kiwi en imágenes y videos

Autores
Pérez, Silvia N.; Mendoza, Dante; Yommi, Alejandro; David, M. Ángela; Lozano, Jorge; Pagano, Camila
Año de publicación
2026
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La aplicación de técnicas de aprendizaje profundo en el ámbito agrícola ha experimentado un notable crecimiento, impulsado por la necesidad de optimizar la producción y mejorar la eficiencia en la gestión de cultivos. En particular, los algoritmos de detección de objetos basados en redes neuronales convolucionales (CNN) se han consolidado como una herramienta de valor para el monitoreo en sistemas frutihortícolas. Este trabajo continúa una línea de investigación desarrollada en proyectos previos, orientada a la detección automática de órganos vegetativos y reproductivos en plantas de kiwi a partir de imágenes. Se tiene como objetivo evaluar el desempeño de modelos de detección previamente entrenados sobre imágenes de alta calidad, al ser aplicados a imágenes capturadas con teléfonos móviles. Esto permitirá analizar su robustez frente a variaciones en la calidad de adquisición y reducir los costos asociados al equipamiento de captura. Se propone además extender el enfoque a secuencias de video, incorporando arquitecturas de detección en tiempo real con el fin de avanzar hacia sistemas de monitoreo continuo de cultivos. Esta estrategia permitiría la detección y el conteo dinámico de órganos vegetativos durante plantación, sentando recorridos las bases en la para aplicaciones prácticas de agricultura de precisión en escenarios reales de campo.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Visión artificial
Redes neuronales convolucionales
Producción frutihortícola
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/195758
Acceder
id SEDICI_3d7cb45f4211a737e7cdf4ed6ed5eeb1
oai_identifier_str oai:sedici.unlp.edu.ar:10915/195758
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Aplicación de redes CNN para la detección de órganos reproductivos de kiwi en imágenes y videosPérez, Silvia N.Mendoza, DanteYommi, AlejandroDavid, M. ÁngelaLozano, JorgePagano, CamilaCiencias InformáticasVisión artificialRedes neuronales convolucionalesProducción frutihortícolaLa aplicación de técnicas de aprendizaje profundo en el ámbito agrícola ha experimentado un notable crecimiento, impulsado por la necesidad de optimizar la producción y mejorar la eficiencia en la gestión de cultivos. En particular, los algoritmos de detección de objetos basados en redes neuronales convolucionales (CNN) se han consolidado como una herramienta de valor para el monitoreo en sistemas frutihortícolas. Este trabajo continúa una línea de investigación desarrollada en proyectos previos, orientada a la detección automática de órganos vegetativos y reproductivos en plantas de kiwi a partir de imágenes. Se tiene como objetivo evaluar el desempeño de modelos de detección previamente entrenados sobre imágenes de alta calidad, al ser aplicados a imágenes capturadas con teléfonos móviles. Esto permitirá analizar su robustez frente a variaciones en la calidad de adquisición y reducir los costos asociados al equipamiento de captura. Se propone además extender el enfoque a secuencias de video, incorporando arquitecturas de detección en tiempo real con el fin de avanzar hacia sistemas de monitoreo continuo de cultivos. Esta estrategia permitiría la detección y el conteo dinámico de órganos vegetativos durante plantación, sentando recorridos las bases en la para aplicaciones prácticas de agricultura de precisión en escenarios reales de campo.Red de Universidades con Carreras en Informática2026-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf325-329http://sedici.unlp.edu.ar/handle/10915/195758spainfo:eu-repo/semantics/altIdentifier/isbn/978-631-6904-02-7info:eu-repo/semantics/reference/hdl/10915/195432info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-06-23T11:17:07Zoai:sedici.unlp.edu.ar:10915/195758Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-06-23 11:17:07.878SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Aplicación de redes CNN para la detección de órganos reproductivos de kiwi en imágenes y videos
title Aplicación de redes CNN para la detección de órganos reproductivos de kiwi en imágenes y videos
spellingShingle Aplicación de redes CNN para la detección de órganos reproductivos de kiwi en imágenes y videos
Pérez, Silvia N.
Ciencias Informáticas
Visión artificial
Redes neuronales convolucionales
Producción frutihortícola
title_short Aplicación de redes CNN para la detección de órganos reproductivos de kiwi en imágenes y videos
title_full Aplicación de redes CNN para la detección de órganos reproductivos de kiwi en imágenes y videos
title_fullStr Aplicación de redes CNN para la detección de órganos reproductivos de kiwi en imágenes y videos
title_full_unstemmed Aplicación de redes CNN para la detección de órganos reproductivos de kiwi en imágenes y videos
title_sort Aplicación de redes CNN para la detección de órganos reproductivos de kiwi en imágenes y videos
dc.creator.none.fl_str_mv Pérez, Silvia N.
Mendoza, Dante
Yommi, Alejandro
David, M. Ángela
Lozano, Jorge
Pagano, Camila
author Pérez, Silvia N.
author_facet Pérez, Silvia N.
Mendoza, Dante
Yommi, Alejandro
David, M. Ángela
Lozano, Jorge
Pagano, Camila
author_role author
author2 Mendoza, Dante
Yommi, Alejandro
David, M. Ángela
Lozano, Jorge
Pagano, Camila
author2_role author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Visión artificial
Redes neuronales convolucionales
Producción frutihortícola
topic Ciencias Informáticas
Visión artificial
Redes neuronales convolucionales
Producción frutihortícola
dc.description.none.fl_txt_mv La aplicación de técnicas de aprendizaje profundo en el ámbito agrícola ha experimentado un notable crecimiento, impulsado por la necesidad de optimizar la producción y mejorar la eficiencia en la gestión de cultivos. En particular, los algoritmos de detección de objetos basados en redes neuronales convolucionales (CNN) se han consolidado como una herramienta de valor para el monitoreo en sistemas frutihortícolas. Este trabajo continúa una línea de investigación desarrollada en proyectos previos, orientada a la detección automática de órganos vegetativos y reproductivos en plantas de kiwi a partir de imágenes. Se tiene como objetivo evaluar el desempeño de modelos de detección previamente entrenados sobre imágenes de alta calidad, al ser aplicados a imágenes capturadas con teléfonos móviles. Esto permitirá analizar su robustez frente a variaciones en la calidad de adquisición y reducir los costos asociados al equipamiento de captura. Se propone además extender el enfoque a secuencias de video, incorporando arquitecturas de detección en tiempo real con el fin de avanzar hacia sistemas de monitoreo continuo de cultivos. Esta estrategia permitiría la detección y el conteo dinámico de órganos vegetativos durante plantación, sentando recorridos las bases en la para aplicaciones prácticas de agricultura de precisión en escenarios reales de campo.
Red de Universidades con Carreras en Informática
description La aplicación de técnicas de aprendizaje profundo en el ámbito agrícola ha experimentado un notable crecimiento, impulsado por la necesidad de optimizar la producción y mejorar la eficiencia en la gestión de cultivos. En particular, los algoritmos de detección de objetos basados en redes neuronales convolucionales (CNN) se han consolidado como una herramienta de valor para el monitoreo en sistemas frutihortícolas. Este trabajo continúa una línea de investigación desarrollada en proyectos previos, orientada a la detección automática de órganos vegetativos y reproductivos en plantas de kiwi a partir de imágenes. Se tiene como objetivo evaluar el desempeño de modelos de detección previamente entrenados sobre imágenes de alta calidad, al ser aplicados a imágenes capturadas con teléfonos móviles. Esto permitirá analizar su robustez frente a variaciones en la calidad de adquisición y reducir los costos asociados al equipamiento de captura. Se propone además extender el enfoque a secuencias de video, incorporando arquitecturas de detección en tiempo real con el fin de avanzar hacia sistemas de monitoreo continuo de cultivos. Esta estrategia permitiría la detección y el conteo dinámico de órganos vegetativos durante plantación, sentando recorridos las bases en la para aplicaciones prácticas de agricultura de precisión en escenarios reales de campo.
publishDate 2026
dc.date.none.fl_str_mv 2026-04
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/195758
url http://sedici.unlp.edu.ar/handle/10915/195758
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-631-6904-02-7
info:eu-repo/semantics/reference/hdl/10915/195432
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
325-329
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1868982612224114688
score 13.265058

Publicaciones similares