Detección de variedad y estado de maduración del ciruelo japonés utilizando imágenes hiperespectrales y aprendizaje profundo

Autores:

F. Chávez, B. Rodríguez-Puerta, F. J. Rodríguez-Díaz. Dpto. de Ingeniería en Sistemas Informáticos y Telemáticos. Universidad de Extremadura. 06800 Mérida, España. Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo., Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo., Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.
Rafael M. Luque-Baena. Dpto. de Lenguajes y Ciencias de la Computación. Universidad de Málaga. 29071, Málaga, España. Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.

Resumen:

En la actualidad, España ocupa el séptimo puesto como productor de ciruelas a nivel mundial y el tercero a nivel europeo según la Organización de las Naciones Unidas para la Alimentación y la Agricultura. La importancia que tiene el cultivo de esta fruta en nuestro país es evidente, siendo mayor en Comunidades Autónomas como la Extremeña, que centran su actividad económica en el sector primario. Lo que debe diferenciar una producción es su calidad, pero la calidad de los frutos tradicionalmente se hace en base a la experiencia de los agricultores y técnicos, basándose únicamente en su percepción visual. Esto puede generar errores en la determinación de la fecha óptima de recolección.

METSK-HD-Angeleno: How to predict fruit quality using Multiobjective Evolutionary learning of TSK systems

Study and classication of plum varieties using image analysis and deep learning techniques

Authors: 

Francisco J. Rodríguez. Department of Computer Science and Telematics, University of Extremadura, Mérida (Spain) Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.
Antonio García. Mérida Campus, University of Extremadura, Mérida (Spain). Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.
Pedro J. Pardo. Department of Computer Science and Telematics, University of Extremadura, Mérida (Spain). Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.
Francisco Chávez. Department of Computer Science and Telematics, University of Extremadura, Mérida (Spain) Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.
Rafael M. Luque-Baena. Department of Computer Languages and Computer Science, University of Málaga, Málaga (Spain) Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.

Abstract.

Currently much of the pre-harvest fruit valuation is still done by farmers or technicians that visually inspect the pieces of fruit. However, this process has great limitations since their decisions have high subjectivity and a thorough analysis of the whole production, or even a significant part of it, is unapproachable. Therefore, computer vision and machine learning techniques are increasingly being introduced into this process.