Modelo CNN para diferenciar sistemas de riego y control sanitario en experimentación agrı́cola.

[FelipeMendiburu]

Fecha de Publicación: 13-agosto

Asunto: Trabajo Final del curso Inteligencia Artificial Avanzada 2022-I
Tema: Modelo CNN para diferenciar sistemas de riego y control sanitario en experimentación agrı́cola
Integrantes:
• FELIPE DE MENDIBURU
• AUGUSTO CHOY
Resumen:
Tratamiento de imágenes mutiespectrales con 3 y 2 bandas durante 11 vuelo, utilizando modelos de redes neuronales convolucionales para la clasificación según el método de riego y el tratamiento sanitario aplicado en el cultivo de maíz bajo un diseño experimental. En el análisis se obtuvo un mejor resultado en la clasificación del riego normal frente al alterno.
Paper: Archivo: F.Mendiburu-A.Choy-Trabajo Final
Pasos para el desarrollo del trabajo:
• Obtención de las imágenes y las bandas multiespectrales
• Identificación de la imagen por unidad experimental.
• Etiquetado de imágenes según tratamiento
• Segmentación de las imágenes.
• Metodología del modelo CNN con Python.
• Aplicación en Google Colab
◦ Preparación de datos agrupados por etiquetas en Google Drive
◦ Construcción y validación del modelo
◦ Modelo con imágenes aumentadas y disminuidas.
◦ Almacenamiento del modelo y su entrenamiento.
◦ Estadísticas del modelo.

PPT: archivo: Modelo CNN para experimentación agricola.pdf

Código Source: (nombre de los archivos)
01-CNN generacion del modelo.ipynb
Instrucciones para construir el modelo y su almacenamiento.
02-Modelo con datos de prueba.ipynb
Instrucciones para la prueba del modelo con nuevos datos (construccion de la matriz de confusión)
03-Modelo con todos los datos.ipynb
Instrucciones para la prueba del modelo con datos del entrenamiento y validacion (construccion de la matriz de confusión).

Link de los datos y programas
https://drive.google.com/drive/folders/ ... sp=sharing