Resumen

La detección de uvas en imágenes reales es una tarea seria resuelta por los investigadores que se ocupan de la viticultura de precisión. En el caso de las variedades de vino blanco, los detectores de uva basados en clasificadores SVMs, en combinación con un descriptor HOG, han demostrado ser muy eficientes. Las versiones simplificadas de los detectores parecen ser la mejor solución para las aplicaciones prácticas. Ofrecen el mejor rendimiento conocido frente a la relación tiempo-complejidad. Como ha demostrado nuestra investigación, una conversión de las imágenes RGB a formato de escala de grises, que se implementa en un nivel de preprocesamiento de imágenes, es el medio ideal para mejorar aún más el rendimiento de los detectores. Para mejorar la relación, exploramos la importancia de la conversión en un contexto de sensibilidad potencial del detector a una rotación de bayas. Para ello, propusimos una modificación de la conversión, y diseñamos un método apropiado para una sintonización de tales detectores modificados. Para evaluar el efecto del nuevo espacio de parámetros en su rendimiento, desarrollamos un método de visualización especializado. Con el fin de proporcionar resultados precisos, formamos nuevos conjuntos de datos tanto para el ajuste como para la evaluación de los detectores. Nuestro esfuerzo dio como resultado un detector de uvas robusto y menos sensible a la distorsión de la imagen.

• Materias:Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Fisiología vegetal
• Subjects:Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Plant physiology
• Palabras claves:variedad de vino blanco, nivel de preprocesamiento de imágenes, conversión de rgb, sensibilidad potencial del detector, detección de la uva, métodos de visualización especializados, detector de uva robusto, rotación de la baya, mejora del rendimiento, nuevo espacio de parámetros
• Keywords:white wine variety, image preprocessing level, conversion of rgb, detector potential sensitivity, detection of grape, specialized visualization methods, robust grape detector, rotation of berry, improvement of performance, new parameters space