Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/14190Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | Fuentes Pacheco, Jorge Alberto%209203 | - |
| dc.contributor.author | Meraz Hernández, Andros%1031858 | - |
| dc.creator | Meraz Hernández, Andros%1031858 | - |
| dc.date.accessioned | 2026-10-19T22:15:48Z | - |
| dc.date.available | 2026-10-19T22:15:48Z | - |
| dc.date.issued | 2026-10-02 | - |
| dc.identifier.uri | https://rinacional.tecnm.mx/jspui/handle/TecNM/14190 | - |
| dc.description | RESUMEN En los últimos años, es común encontrar en la literatura trabajos relacionados con la agricultura de precisión que incorporan el uso de redes neuronales profundas como parte parcial o total de una propuesta de solución. La segmentación de las hojas en las imágenes constituye una de las etapas más importantes en los sistemas de diagnóstico automático como enfermedades foliares, ya que permite identificar con precisión las regiones de interés. Su adecuada implementación impacta directamente en la precisión e interpretabilidad de los modelos de aprendizaje profundo. En esta tesis se presenta el desarrollo de un método para la localización y segmentación de hojas de la planta del jitomate a través de imágenes capturadas a campo abierto; esto implica considerar una serie de factores que afectan el desempeño del sistemas tales como: condiciones climáticas (cambios de iluminación), estado de salud de la planta (falta de nutrientes, patologías y/o estrés) que alteran el aspecto de la hoja significativamente, la presencia de objetos que asemejen la forma de una hoja, dibujos e impresiones, la perspectiva de captura, etc. El modelo protagonista denominado “YoloLeaf” es una versión mejorada de la red Yolov11n para inferir la localización de láminas foliares en imágenes capturadas bajo diferentes condiciones naturales adversas, detectando el mayor número de hojas existentes. Las modificaciones realizadas son: un módulo convolucional en dos etapas y, dos módulos de transformadores de visión que en conjunto favorecen a una mejor representación de los mapas de características. Además, se remueve la función CIoU por WIoUv3 para reducir problemas al estimar la ubicación de las hojas de la planta. En la etapa experimental el modelo se evaluó en 10 escenarios representativos de entornos al aire libre usando el conjunto de validación. YoloLeaf registró una mayor recuperación (Recall) de hojas existentes en cinco casos de estudio: “frutos rojos” (82.00%), “variación de iluminación” con (82.60%), “presencia de flores” (83.70%), “cambios en las escalas” con (85.60%) y, “punto focal hacia la hoja” (88.60%). Adicionalmente, se registraron menos casos de falsos positivos (Precisión) en “presencia de flores” (89.00%), “anomalías de coloración en hojas” (86.20%) y “frutos verdes” (78.30%). Finalmente, se evaluó la generalización de YoloLeaf con ejemplares donde figuran cultivos de cacahuate, frijol y frijol rojo (por separado), capturadas con tres ángulos de visión (0°, 45° y 90°) durante las primeras ocho semanas en zonas de cultivo al exterior. El modelo YoloLeaf registró una buena inferencia al obtener porcentajes de: 92.00% de Precisión, 88.70% de Recall, 93.70% de mAP@50 y 86.70% de mAP@50-95 con imágenes del frijol rojo capturadas a 90° en la cuarta semana de desarrollo. | es_MX |
| dc.language.iso | spa | es_MX |
| dc.publisher | Tecnológico Nacional de México | es_MX |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0 | es_MX |
| dc.subject | info:eu-repo/classification/cti/7 | es_MX |
| dc.subject.other | Visión por computadora, segmentación(de imágenes), aprendizaje profundo, agricultura de precisión. | es_MX |
| dc.title | SEGMENTACIÓN DE HOJAS DE PLANTAS DE JITOMATE, MEDIANTE APRENDIZAJE PROFUNDO | es_MX |
| dc.type | info:eu-repo/semantics/doctoralThesis | es_MX |
| dc.contributor.director | Magadán Salazar, Andrea%70340 | - |
| dc.folio | 291 | es_MX |
| dc.rights.access | info:eu-repo/semantics/openAccess | es_MX |
| dc.publisher.tecnm | Centro Nacional de Investigación y Desarrollo Tecnológico | es_MX |
| Appears in Collections: | Tesis de Doctorado en Computación | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| DC_Andros_Meraz_Hernandez_2026.pdf | TESIS | 11.55 MB | Adobe PDF | View/Open |
| DC_Andros_Meraz_Hernandez_2026_c.pdf | CESION DE DERECHOS | 448.19 kB | Adobe PDF | View/Open |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
