Estimación de rendimientos en montes frutales de peras y manzanas incorporando el uso de análisis de imágenes

Publicado en: Memorias de las JAIIO : CAI - Congreso Argentino de AgroInformática, v.10, no. 3 (2024) : 104-117 (2024)

Bibliographic Details
Main Authors: Del Brio, Dolores, Tassile, Valentín, Fernandez, Dario Eduardo, Bramardi, Sergio Jorge, Giménez, Gustavo Nestor Jorge, Reeb, Pablo Daniel
Format: info:ar-repo/semantics/documento de conferencia
Language:Español
Published: SADIO 2025
Subjects:
Online Access:http://hdl.handle.net/20.500.12123/22269
_version_ 1855038543954444288
author Del Brio, Dolores
Tassile, Valentín
Fernandez, Dario Eduardo
Bramardi, Sergio Jorge
Giménez, Gustavo Nestor Jorge
Reeb, Pablo Daniel
author_browse Bramardi, Sergio Jorge
Del Brio, Dolores
Fernandez, Dario Eduardo
Giménez, Gustavo Nestor Jorge
Reeb, Pablo Daniel
Tassile, Valentín
author_facet Del Brio, Dolores
Tassile, Valentín
Fernandez, Dario Eduardo
Bramardi, Sergio Jorge
Giménez, Gustavo Nestor Jorge
Reeb, Pablo Daniel
author_sort Del Brio, Dolores
collection INTA Digital
description Publicado en: Memorias de las JAIIO : CAI - Congreso Argentino de AgroInformática, v.10, no. 3 (2024) : 104-117 (2024)
format info:ar-repo/semantics/documento de conferencia
id INTA22269
institution Instituto Nacional de Tecnología Agropecuaria (INTA -Argentina)
language Español
publishDate 2025
publishDateRange 2025
publishDateSort 2025
publisher SADIO
publisherStr SADIO
record_format dspace
spelling INTA222692025-05-14T11:13:48Z Estimación de rendimientos en montes frutales de peras y manzanas incorporando el uso de análisis de imágenes Del Brio, Dolores Tassile, Valentín Fernandez, Dario Eduardo Bramardi, Sergio Jorge Giménez, Gustavo Nestor Jorge Reeb, Pablo Daniel Frutales Pera Manzana Fruit Crops Pears Apples Yields Image Analysis Rendimiento Análisis de Imágenes Pronóstico de Producción Visión Artificial Modelos Mixtos No Lineales Production Forecast Artificial Vision Nonlinear Mixed Models Publicado en: Memorias de las JAIIO : CAI - Congreso Argentino de AgroInformática, v.10, no. 3 (2024) : 104-117 (2024) El pronóstico de cosecha a nivel de parcela es una herramienta de gran utilidad en la producción de frutales de pepita. Para realizar pronósticos es necesario conocer el número de frutos presentes en los árboles, el tamaño que alcanzarán a cosecha y el número de árboles de la parcela frutal. Para conocer el número de frutos generalmente se utilizan metodologías de conteo manual, que son costosas y poco precisas. El objetivo de este trabajo fue implementar un modelo predictivo del rendimiento a cosecha para frutales de pepita del Alto Valle de Río Ne-gro y Neuquén. Se trabajó en tres montes frutales de pera cv. ´William´s´ y tres de manzanas cv. ´Red chief´. Se realizaron estimaciones mediante dos modelos de pronóstico diferentes: uno basado en conteo manual de frutos para obtener la carga, y otro basado en la detección y conteo automático de frutos a partir de imágenes para estimar la carga. Se compararon los costos entre ambas metodologías y la calidad de predicción respecto a los datos reales de cosecha. Además, se realice una estimación de tamaños comerciales a cosecha. Los rendimientos estimados mediante los pronósticos realizados a partir de conteos manuales de frutos presentaron errores relativos menores al 10% respecto a los rendimientos reales. Por otra parte, en 5 de los 6 montes frutales evaluados, los rendimientos estimados con pronósticos realizados a partir de imágenes presentaron errores relativos que no superaron el 10% respecto a los rendimientos reales y en un monte frutal el error fue del 24,5%. Si bien el pronóstico realizado mediante conteos manuales resultó un poco más preciso, su costo fue 3 veces más alto que el de imágenes. Las estimaciones de distribución de tamaños a cosecha no representaron en forma adecuada las distribuciones obtenidas realmente. EEA Alto Valle Fil: Del Brío, Dolores. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Alto Valle; Argentina Fil: Tassile, Valentín. Universidad Nacional del Comahue. Facultad de Ciencias y Tecnología de los Alimentos; Argentina Fil: Fernández, Darío Eduardo. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Alto Valle; Argentina Fil: Bramardi, Sergio Jorge. Universidad Nacional del Comahue. Departamento de Estadística; Argentina Fil: Bramardi, Sergio Jorge. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Investigaciones en Toxicología Ambiental y Agrobiotecnología del Comahue (CITAAC); Argentina Fil: Giménez, Gustavo Néstor Jorge. Universidad Nacional del Comahue. Departamento de Estadística; Argentina Fil: Giménez, Gustavo Néstor Jorge. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Investigaciones en Toxicología Ambiental y Agrobiotecnología del Comahue (CITAAC); Argentina Fil: Reeb, Pablo Daniel. Universidad Nacional del Comahue. Departamento de Estadística; Argentina Fil: Reeb, Pablo Daniel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Investigaciones en Toxicología Ambiental y Agrobiotecnología del Comahue (CITAAC); Argentina 2025-05-14T11:00:56Z 2025-05-14T11:00:56Z 2024-09-09 info:ar-repo/semantics/documento de conferencia info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion http://hdl.handle.net/20.500.12123/22269 2451-7496 spa info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf SADIO 16º Congreso Argentino de AgroInformática (CAI-2024) y 53as. Jornadas Argentinas de Informática (JAIIO 53). Bahía Blanca, 12 al 16 de agosto de 2024
spellingShingle Frutales
Pera
Manzana
Fruit Crops
Pears
Apples
Yields
Image Analysis
Rendimiento
Análisis de Imágenes
Pronóstico de Producción
Visión Artificial
Modelos Mixtos No Lineales
Production Forecast
Artificial Vision
Nonlinear Mixed Models
Del Brio, Dolores
Tassile, Valentín
Fernandez, Dario Eduardo
Bramardi, Sergio Jorge
Giménez, Gustavo Nestor Jorge
Reeb, Pablo Daniel
Estimación de rendimientos en montes frutales de peras y manzanas incorporando el uso de análisis de imágenes
title Estimación de rendimientos en montes frutales de peras y manzanas incorporando el uso de análisis de imágenes
title_full Estimación de rendimientos en montes frutales de peras y manzanas incorporando el uso de análisis de imágenes
title_fullStr Estimación de rendimientos en montes frutales de peras y manzanas incorporando el uso de análisis de imágenes
title_full_unstemmed Estimación de rendimientos en montes frutales de peras y manzanas incorporando el uso de análisis de imágenes
title_short Estimación de rendimientos en montes frutales de peras y manzanas incorporando el uso de análisis de imágenes
title_sort estimacion de rendimientos en montes frutales de peras y manzanas incorporando el uso de analisis de imagenes
topic Frutales
Pera
Manzana
Fruit Crops
Pears
Apples
Yields
Image Analysis
Rendimiento
Análisis de Imágenes
Pronóstico de Producción
Visión Artificial
Modelos Mixtos No Lineales
Production Forecast
Artificial Vision
Nonlinear Mixed Models
url http://hdl.handle.net/20.500.12123/22269
work_keys_str_mv AT delbriodolores estimacionderendimientosenmontesfrutalesdeperasymanzanasincorporandoelusodeanalisisdeimagenes
AT tassilevalentin estimacionderendimientosenmontesfrutalesdeperasymanzanasincorporandoelusodeanalisisdeimagenes
AT fernandezdarioeduardo estimacionderendimientosenmontesfrutalesdeperasymanzanasincorporandoelusodeanalisisdeimagenes
AT bramardisergiojorge estimacionderendimientosenmontesfrutalesdeperasymanzanasincorporandoelusodeanalisisdeimagenes
AT gimenezgustavonestorjorge estimacionderendimientosenmontesfrutalesdeperasymanzanasincorporandoelusodeanalisisdeimagenes
AT reebpablodaniel estimacionderendimientosenmontesfrutalesdeperasymanzanasincorporandoelusodeanalisisdeimagenes