Análisis comparativo de modelos de inteligencia artificial basados en aprendizaje profundo aplicados a la detección de frutos de olivo en La Yarada Los Palos – Tacna
No Thumbnail Available
Date
2024
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Nacional Jorge Basadre Grohmann
Abstract
La actividad de producción agrícola relacionada a la producción de olivo representa un pilar clave para el crecimiento económico en el sur del Perú. Tacna encabeza la producción (77%) y exportación de aceitunas (64%). El sector agrícola en Tacna ha dependido de técnicas de producción tradicionales. Sin embargo, la falta de adopción de nuevas tecnologías, como la detección automática de frutos, ha limitado el potencial de mejora y eficiencia en la producción agrícola. Por ello, en este trabajo se aborda el desafío de la detección automática de frutos de olivo en la región de La Yarada Los Palos - Tacna. Se concentró en evaluar y comparar el rendimiento de modelos de detección de objetos con tres arquitecturas ampliamente usadas: YOLOv8, Faster R-CNN y RetinaNet, basándonos en los indicadores de mAP50 y mAP50-95. Se concluyó que el modelo con mejor desempeño en el indicador mAP50 fue el que tuvo como arquitectura la variante YOLOv8s (YOLOv8 Small), con un valor máximo de 94.751% y un valor promedio de 94.7349%. Asimismo, para el indicador mAP50-95 el modelo con mejor resultado fue YOLOv8s, con un valor máximo de 77.562% y un valor promedio de 77.5076%. Finalmente, mediante pruebas estadísticas mencionamos que existe diferencia significativa en los resultados generados por los modelos con las tres arquitecturas tanto para el indicador mAP50 como para el indicador mAP50-95.
Description
Keywords
Inteligencia artificial, Aprendizaje profundo, Olivo