Ingeniería Electrónica · 2018
Análisis comparativo de técnicas de visión por computador para la clasificación de subsuelos de Pereira-Risaralda
La presente investigación se enfoca en el problema que afronta gran parte de los podólogos, edafológicos y algunos agricultores colombianos de pequeñas, medianas y grandes extensiones de tierras en la identificación de las capas que conforman el subsuelo, sea para cultivar, estudiar su estado natural o hacer un estudio referente a sus posibles usos. Esta propuesta ofrece técnicas de visión por computador con métodos cuantitativos y objetivos que pueden identificar de manera certera y concisa, todas aquellas cualidades físicas que conforman la tierra, dejando atrás aquellos métodos subjetivos y pocos convencionales basados en los sentidos humanos. Así como también dejar enmarcada una alternativa diferente a los grandes costos que conlleva un análisis de suelos por parte de laboratorios y agrónomos. Las técnicas de visión por computador son una opción entre una gran variedad de tecnologías y metodologías, que permiten medir y cuantificar información necesaria para la toma de decisiones en cuanto al estado actual del suelo a analizar, haciendo uso de una gran variedad de procesos como filtros digitales, segmentación de imágenes y espacios de color como herramientas útiles en la identificación de colores presentes en dichas capas (“subsuelo”). Muchas son las ventajas de utilizar visión por computadora, siendo la entrega de resultados, la más eficiente superando por mucho la estipulada por laboratorios, así como también la opción de replicar cuantas veces sea requerido los datos sin coste adicional. Del mismo modo la portabilidad de equipos e instrumentos necesarios para la toma de muestras es mucho más asequible pues solo consta de una cámara digital o en muchos casos de teléfonos celulares.
Texto completo 50 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- INTRODUCCIÓNp. 7
- 1.1 PLANTEAMIENTO DEL PROBLEMAp. 8
- 1.2 JUSTIFICACIÓNp. 9
- 1.3 OBJETIVO GENERALp. 10
- 1.4 OBJETIVOS ESPECÍFICOSp. 10
- 1.5 ESTADO DEL ARTEp. 11
- MARCO TEÓRICOp. 13
- 2.1 Base de datosp. 13
- 2.2 Algoritmop. 13
- 2.4 Modelo de color RGB ...………………………………………………………………………p. 14
- 2.9 Estadística ………………………………………………………………………………..……p. 21
- 2.10 Matriz de confusión ……………………………………………………………………...……p. 22
- METODOLOGÍAp. 24
- ANÁLISIS Y RESULTADOSp. 33
- CONCLUSIONESp. 45
- TRABAJOS FUTUROSp. 47
- BIBLIOGRAFÍAp. 48
- Figura 1. Ejemplo ilustrativo de un diagrama de flujop. 13
- Figura 2. Modelo del espacio de color RGBp. 15
- Figura 3. Modelo de espacio de color CIELABp. 17
- Figura 4. Analogía entre el espacio de color RGB y HSVp. 18
- Figura 5. Modelo de espacio de color HSVp. 19
- Figura 6. Modelo de espacio de color HSV con coloraciónp. 19
- Figura 7. Horizonte 1 con sus 4 diferentes capasp. 25
- Figura 8. Horizonte 2 con sus 4 diferentes capasp. 25
- Figura 9. Horizonte 3 con sus 4 diferentes capasp. 25
- Figura 10. Tabla de colores de las diferentes capas que conforman un perfil de la Guía Rastap. 26
- Figura 11. Cambio de variable de entero a doble precisión ......….....…...……...…...…p. 28
- Figura 12. Base de datos suministrada por los descriptoresp. 28
- Figura 13. Diagrama de flujo del descriptor RGBp. 31
- Figura 14. Diagrama de flujo del descriptor HSV, CIELAB y HSV con transformada de Fourierp. 32
- Figura 15. Distribución de los datos para un modelo entrenado en el plano cartesianop. 33
- Figura 19. Matriz de confusión para los datos de validaciónp. 36
- vectorial con descriptor RGB en el perfil 2p. 37
- vectorial con descriptor HSV en el perfil 2p. 38
- vectorial con descriptor CIELAB en el perfil 2p. 38
- RGB en el perfil 2p. 39
- HSV en el perfil 2p. 39
- CIELAB en el perfil 2p. 42
- Figura 26. Matriz de confusión de validaciónp. 42
- Figura 27. Matriz de confusión de validaciónp. 42
- de los descriptores RGB y CIELABp. 43
- de los descriptores RGB y CIELABp. 43
- de los descriptores RGB y CIELABp. 43
- Tabla 1. Matriz de confusiónp. 23