Segmentación de instancias para detección automática de malezas y cultivos en campos de cultivo
Mora-Fallas A., Goeau H., Joly A., Bonnet P., Mata-Montero E.. 2020. Tecnología en Marcha, 33 : p. 13-17. Latin America High Performance Computing Conference. 6, 2019-09-25/2019-09-27, Turrialba (Costa Rica).
Con base en las recientes aplicaciones exitosas de técnicas de Aprendizaje Profundo en la clasificación, detección y segmentación de plantas, proponemos un enfoque de segmentación de instancias utilizando un modelo Mask R-CNN para la detección de malezas y cultivos en tierras de cultivo. Evaluamos el rendimiento de nuestro modelo con la métrica de precisión promedio de MSCOCO, contrastando el uso de técnicas de aumento de datos. Los resultados obtenidos muestran cómo el modelo se adapta muy bien en este contexto, abriendo nuevas oportunidades para soluciones automatizadas de control de malezas a gran escala.
Mots-clés : terre agricole; modélisation des cultures; imagerie; identification; mauvaise herbe; bioinformatique; agriculture de précision; deep learning
Thématique : Mauvaises herbes et désherbage; Informatique, mathématiques et statistiques
Documents associés
Article de revue
Agents Cirad, auteurs de cette publication :
- Bonnet Pierre — Bios / UMR Amap
- Goeau Hervé — Bios / UMR Amap