Por favor, use este identificador para citar o enlazar este ítem:
https://ri-ng.uaq.mx/handle/123456789/7125Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.rights.license | http://creativecommons.org/licenses/by-nd/4.0 | es_ES |
| dc.contributor | Aurora Fermat Díaz | es_ES |
| dc.creator | Daniela Guadalupe Ramírez Osuna | es_ES |
| dc.date | 2012-05 | - |
| dc.date.accessioned | 2016-08-05T18:01:10Z | - |
| dc.date.available | 2016-08-05T18:01:10Z | - |
| dc.date.issued | 2012-05 | - |
| dc.identifier | 134 - RI000112.pdf | es_ES |
| dc.identifier.uri | https://ri-ng.uaq.mx/handle/123456789/7125 | - |
| dc.description | El presente trabajo, propone una metodología basada en técnicas de procesamiento digital de imágenes para la discriminación de maleza, cultivo y suelo presente en sembradíos de maíz. Se usa una base de datos formada por 200 imágenes, tomadas durante el período crítico de competencia del cultivo y bajo condiciones naturales de iluminación; de las cuales, 100 se emplearon para el entrenamiento del sistema y el resto para la evaluación del mismo. La metodología se divide en dos etapas fundamentales: Segmentación de la vegetación contra la no vegetación y segmentación de la maleza contra el cultivo. La primer etapa tiene como objetivo clasificar la vegetación (maíz, maleza) contra el suelo (tierra, escombro, piedras, etc.) apoyándose en técnicas de transformadas de color, filtrado y umbralización. La segunda etapa se divide en tres secciones para su estudio: (1) Análisis textural Wavelet, que realiza un análisis textural de descriptores estadísticos de primer y segundo orden basados en la transformada Wavelet. (2) Extracción de características, donde se disminuye la dismensionalidad de los datos aumentando la eficacia del clasificador a través del método IFFS (Improve Floting Forward Selection). (3) Clasificación, en la cual se realiza una identificación de las hojas de maleza y de maíz en la imagen a través de una combinación de técnicas de segmentación basadas en redes neuronales (Perceptrón Multicapa) y detección de transiciones. Los resultados demuestran la eficacia del método, con una tasa de clasificación del 94.77%. | es_ES |
| dc.format | Adobe PDF | es_ES |
| dc.language.iso | spa | es_ES |
| dc.publisher | Universidad Autónoma de Querétaro | es_ES |
| dc.relation.requires | No | es_ES |
| dc.rights | Acceso Abierto | es_ES |
| dc.subject | Maleza | es_ES |
| dc.subject | Textura | es_ES |
| dc.subject | Transformada wavelet | es_ES |
| dc.title | Desarrollo de un método de procesamiento de imágenes para la discriminación de maleza en cultivos de maíz | es_ES |
| dc.type | Tesis de maestría | es_ES |
| dc.contributor.role | Director | es_ES |
| dc.degree.name | Maestría en Ciencias (Instrumentación y Control) | es_ES |
| dc.degree.department | Facultad de Ingeniería | es_ES |
| dc.degree.level | Maestría | es_ES |
| Aparece en: | Maestría en Ciencias (Instrumentación y Control) | |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| RI000134.pdf | 1.91 MB | Adobe PDF |  Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.
