Return to search

Aplicación de aprendizaje profundo para la detección y clasificación automática de insectos agrícolas en trampas pegantes: una revisión de literatura

El presente trabajo de investigación busca hacer una revisión sistemática sobre las técnicas actuales
que se usan para solucionar problemas de identificación y clasificación de plagas de insectos, los
cuales pueden ser para detectar uno o más tipos de insectos. Dentro de esta revisión, se encontró
soluciones como algoritmos de segmentación con cambio de espacio de color, lo cual permite remover
el fondo de una imagen y centrarse únicamente en el objeto de interés; también, el uso de modelos
de detección, por ejemplo YOLO y Faster R-CNN, los cuales están conformados por redes neuronales
convolucionales para lograr la identificación de insectos plaga; además, se encontraron soluciones
que hacían uso de SLIC (Simple Linear Iterative Clustering), así como el uso de un análisis multifractal.
Un aspecto relevante a tomar en cuenta para saber qué tan eficientes están siendo estas soluciones
son las métricas de evaluación con sus respectivos valores obtenidos; sin embargo, estos resultados
solo pueden ser comparables si se usa el mismo dataset para entrenamiento y validación. Por
consiguiente y dado que la mayoría de estudios recopilados usa un conjunto de datos propio, los
resultados mostrados nos sirven para tener una idea de la eficacia de sus soluciones, mas no para
comparar los valores de las métricas de evaluación de los distintos aproximamientos tomados en cada
estudio revisado.
Finalmente, el único insecto plaga que afecta los campos de hortalizas en el Perú y fue encontrado
dentro de los estudios fue la mosca blanca. Los demás estudios abordan el problema de detección
con otros tipos de insectos, los cuales no son relevantes para el problema de plagas en Perú, sin
embargo, sus soluciones son consideradas pues el cambio que se tendría que hacer es en el conjunto
de datos que alimenta a las soluciones presentadas en los estudios encontrados.

Identiferoai:union.ndltd.org:PUCP/oai:tesis.pucp.edu.pe:20.500.12404/18092
Date02 February 2021
CreatorsCórdova Pérez, Claudia Sofía
ContributorsVillanueva Talavera, Edwin Rafael
PublisherPontificia Universidad Católica del Perú, PE
Source SetsPontificia Universidad Católica del Perú
LanguageSpanish
Detected LanguageSpanish
Typeinfo:eu-repo/semantics/bachelorThesis
Formatapplication/pdf
Rightsinfo:eu-repo/semantics/closedAccess

Page generated in 0.0018 seconds