Metodología para clasificar el nivel de estrés utilizando imágenes hiperespectrales en cultivo de aguacate

Carrera Carabali, Sebastian; Torres Cardozo, Maicol Stiven

Metodología para clasificar el nivel de estrés utilizando imágenes hiperespectrales en cultivo de aguacate

dc.contributor.advisor	Sarria-Paja, Milton Orlando (Director)
dc.contributor.author	Carrera Carabali, Sebastian
dc.contributor.author	Torres Cardozo, Maicol Stiven
dc.creator.degree	Trabajo de grado presentado para optar al título de Ingeniero Electrónico
dc.date.accessioned	2025-09-30T16:59:27Z
dc.date.available	2025-09-30T16:59:27Z
dc.date.issued	2023
dc.description	El presente artículo se enfoca como un estudio de factibilidad, donde la aplicación de la teledetección en base de imágenes hiperespectrales para clasificar el nivel de estrés hídrico en los cultivos de aguacate, se realicen técnicas de inteligencia artificial, la cual, permite que se explore la posibilidad de hacerlo, a través de diversos métodos de preprocesamiento basados en las bandas representativas de las imágenes hiperespectrales. Es importante resaltar que las imágenes hiperespectrales constituyen una fuente de datos muy informativa, lo que implica la necesidad de emplear diferentes técnicas para una gestión efectiva de estos datos, permitiendo el análisis de datos imperceptibles, por lo tanto, se detalla el proceso de generación de etiquetas y la partición de la base de datos en información del vecindario de los píxeles e información localizada, así como la utilización de índices de vegetación en el contexto del análisis agrícola de cultivos de aguacate, siendo esencial para identificar áreas de interés. Además, proporcionan una visión detallada de análisis de datos, estadísticas, y rendimiento de modelos de clasificación en el contexto de la reflectancia espectral de genotipos de aguacate, señalando desafíos y áreas de mejora que impulsa la eficiencia y precisión del monitoreo de los cultivos de aguacate, reduciendo el tiempo asociado a la evaluación manual y proporcionando una herramienta para los agricultores. De este modo los resultados de predicción son variable en los 2 genotipos de aguacate que se analiza por medio de redes convolucionales y redes completamente conectadas. Esta estrategia permite alcanzar porcentajes entre el 4,4% a 42,89% de precisión que pueden estimar factores importantes a tener en cuenta en los análisis.
dc.description.abstract	This article focuses on a feasibility study where the application of remote sensing based on hyperspectral images is used to classify the level of water stress in avocado crops using artificial intelligence techniques. This exploration involves employing various preprocessing methods based on representative bands of hyperspectral images. It’s important to highlight that hyperspectral images are highly informative data sources, necessitating the use of different techniques for effective data management, enabling the analysis of imperceptible data. Therefore, the process of label generation and partitioning the database into pixel neighborhood information and localized information is detailed. Additionally, the use of vegetation indices in the agricultural analysis of avocado crops is essential for identifying areas of interest. Furthermore, it provides a detailed insight into data analysis, statistics, and the performance of classification models in the context of spectral reflectance of avocado genotypes, pinpointing challenges and areas for improvement that enhance the efficiency and precision of avocado crop monitoring, reducing the time associated with manual evaluation and providing a tool for farmers. Thus, the prediction results vary for the two avocado genotypes analyzed using convolutional and fully connected networks. This strategy achieves accuracy percentages ranging from 4.4% to 42.89%, estimating crucial factors to consider in the analyses.
dc.format	application/pdf
dc.format.extent	32 Páginas
dc.identifier.citation	Carrera Carabali, S., & Torres Cardozo, M. S. (2023). Metodología para clasificar el nivel de estrés utilizando imágenes hiperespectrales en cultivo de aguacate. Universidad Santiago de Cali.
dc.identifier.uri	https://repositorio.usc.edu.co/handle/20.500.12421/8444
dc.language.iso	es
dc.publisher	Universidad Santiago de Cali
dc.publisher.faculty	Facultad de Ingeniería
dc.publisher.program	Ingeniería Electrónica
dc.pubplace.city	Cali
dc.pubplace.state	Valle del Cauca
dc.rights.acceso	Acceso Abierto
dc.rights.cc	Reconocimiento 4.0 Internacional (CC BY 4.0)
dc.rights.uri	https://creativecommons.org/licenses/by/4.0/
dc.source.institution	Universidad Santiago de Cali
dc.source.repository	Repositorio Institucional USC
dc.subject	Reflectancia espectral
dc.subject	Imágenes hiperespectrales
dc.subject	Estrés hídrico
dc.subject	Bandas espectrales
dc.subject.keyword	Spectral reflectance
dc.subject.keyword	Hyperspectral imaging
dc.subject.keyword	Water stress
dc.subject.keyword	Spectral bands
dc.title	Metodología para clasificar el nivel de estrés utilizando imágenes hiperespectrales en cultivo de aguacate
dc.type	Thesis
dc.type.spa	Artículo