Show simple item record

dc.contributor.authorDiago-Santamaría, María P.
dc.contributor.authorTardáguila, Javier
dc.contributor.authorAleixos, Nuria
dc.contributor.authorPrats-Montalbán, José M.
dc.contributor.authorMillan, Borja
dc.contributor.authorCubero, Sergio
dc.contributor.authorBlasco, José
dc.contributor.editorMartín-Rueda, Ignacio
dc.date.accessioned2021-02-25T13:31:24Z
dc.date.available2021-02-25T13:31:24Z
dc.date.issued2014es
dc.identifier.citationDiago, M. P., Tardáguila, J., Aleixos, N., Prats-Montalbán, M., Millán, B., Cubero, S. et al. (2014). Estimación de los componentes del racimo mediante análisis de imagen.. En: García-Escudero, E. & Martín-Rueda, I. (Eds.), Actas de Horticultura, 70, 159. Logroño: Consejería de Agricultura, Ganadería y Medio Ambiente-SECH, 2014.es
dc.identifier.isbn978-84-8125-675-8
dc.identifier.urihttp://hdl.handle.net/20.500.11939/7126
dc.description.abstractEl peso de baya, así como el número de bayas y peso del racimo son parámetros fundamentales en la estimación del rendimiento en la industria vitivinícola y de uva de mesa. En la actualidad, los métodos utilizados para estimar y predecir el rendimiento productivo del viñedo son destructivos, lentos, y requieren elevada cantidad de mano de obra. En este trabajo se presenta una nueva metodología, basada en el análisis de imagen, para determinar los componentes del racimo de forma rápida y económica. Se fotografiaron racimos de siete variedades de uva (Vitis vinifera L.) distintas en condiciones de laboratorio y se determinaron los componentes del racimo de forma manual después de la adquisición de imágenes. El tratamiento de las imágenes incluyó el desarrollo de dos algoritmos basados en las estrategias de Canny y LIP (Logarithmic Image Processing) para encontrar los contornos de las bayas, como paso previo a la detección de las mismas mediante la Transformada de Hough. Asimismo, se comparó la capacidad de los algoritmos desarrollados utilizando una única imagen por racimo o cuatro imágenes por racimo, obtenidas de diferentes orientaciones. Los mejores resultados (R2 entre 69%-95% en detección del número de bayas por racimo, y R2 entre 65%-97% en la estimación del peso de racimo) se obtuvieron utilizando cuatro imágenes por racimo y aplicando el algoritmo de Canny. Asimismo, la capacidad del modelo basado en análisis de imagen para predecir el peso de baya fue 84%. La novedosa metodología desarrollada y presentada en este trabajo ha permitido la estimación de los componentes del racimo de forma rápida y económica, en comparación con los métodos manuales actuales.es
dc.language.isoeses
dc.publisherSECHes
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 España*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/*
dc.subjectPeso del racimoes
dc.subjectNúmero de bayas por racimoes
dc.subjectPeso de bayaes
dc.subjectTransformada de Houghes
dc.titleEstimación de los componentes del racimo mediante análisis de imagenes
dc.typeconferenceObjectes
dc.authorAddressInstituto Valenciano de Investigaciones Agrarias (IVIA), Carretera CV-315, Km. 10’7, 46113 Moncada (Valencia), Españaes
dc.entidadIVIACentro de Agroingenieríaes
dc.identifier.urlhttp://www.sech.info/ACTAS/Acta%20n%C2%BA%2070.%20I%20Jornada%20del%20grupo%20de%20Viticultura%20y%20Enolog%C3%ADa/Actas%20Horticultura%2070.pdf#page=156es
dc.page.final159es
dc.page.initial159es
dc.relation.conferenceDate2014-11-19
dc.relation.conferenceNameI Jornadas del Grupo de Viticultura y Enología de la SECH ‐ Retos Actuales de I+D en Viticulturaes
dc.relation.conferencePlaceLogroño, Españaes
dc.rights.accessRightsopenAccesses
dc.source.typeelectronicoes
dc.subject.agrisN01 Agricultural engineeringes
dc.subject.agrisF60 Plant physiology and biochemistryes
dc.subject.agrisQ04 Food compositiones
dc.subject.agrovocVitis viniferaes


Files in this item

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 3.0 España
Except where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 3.0 España