La aplicación de la inteligencia artificial a la agricultura ha atraído cada vez más atención en todo el mundo, especialmente en el desarrollo de robots para recolección. Este estudio se enfoca en resolver algunos problemas asociados durante la recolección robotizada de frutos en la temporada de cosecha, para lo cual se propone el uso de un modelo YOLOv3 modificado para la detección de tomates en condiciones ambientales complejas, a través del uso de la técnica LWYS, entre otras configuraciones adicionales que permiten incrementar la variabilidad de las imágenes de entrada y así obtener un modelo de detección de tomates más robusto. Las pruebas realizadas indican una detección de alta precisión en tiempo real bajo las condiciones ambientales evaluadas.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Video:
Pablo Laguna (2013). La demanda de la quinua en los mercados regionales y mundial
Tesis:
Optimización del tiempo y la temperatura de amasado de pasta de aceitunas (Olea europeasativa) variedad Frantoio : caracterización físico-química del aceite de oliva virgen extra obtenido
Artículo:
Potencial antimicrobiano y contenido fitoquímico de seis fuentes diversas de quinua (chenopodium quinoa Willd)
Página web:
El chocolate alrededor del mundo
Informe, reporte:
El desarrollo de la agroindustria láctea : una alternativa viable para la generación de empleo rural no agrícola
Folleto:
Análisis de rentabilidad económica y financiera
Artículo:
Estudio sobre la migración global de materiales plásticos de empaque usados en la industria de alimentos
Artículo:
Emisiones globales de gases de efecto invernadero provenientes de materiales de construcción residencial y comercial: estrategias de mitigación para 2060
Guía:
Manual de operaciones de destilación