Abstract
This work describes a methodology to identify the patterns or characteristics of the crops, using the software engineering recognition algorithms. This system processes information regarding the progress of the plants; for this, comparisons were made of images that were captured using VANT / DRONES Unmanned Aerial Vehicles as one of the resources of Information and Communication Technologies (ICT), and the objects contained in a Database that contain normal characteristics and abnormal of various plants such as mango, lemon and coconut palm.
Data processing through the automated application generated favorable identification results through automatic crop recognition, since images with normal and abnormal characteristics were identified with the comparison process.
The project will mainly benefit farmers, since the risks of crops caused by infectious insect pests entering crops (white mosquito) can be identified; In addition to other probable anomalies such as burns (dry leaf disease), which could hinder the optimal growth of the plant. With this, timely decisions can be taken to address crop risks with the support of the recognition system.
The treatment of information regarding the progress of the crops generates an innovative proposal that incorporates technologies with wide possibilities for agricultural development on the coasts of Guerrero, Mexico.
With the modernization and specifically the use of these automatic systems that manage and disseminate the information, the risks of agriculture can be addressed in a timely manner avoiding crop losses; having impacts on social, economic and environmental development by attending in a timely manner the risks or dangers presented in the crop.
References
Agudelo, R., Castellanos, D. y Medina, M. (2005). Automatización de Sistema de Riego para el cultivo de flores tipo exportación. (Tesis de Licenciatura). Facultad de Ingeniería Electrónica, Bogotá D.C. Colombia.
Bedolla, J., Bedolla, R. y Palacios, R. (2015). Sistema de Gestión de Programas de Educación Ambiental, una aplicación para el desarrollo comunitario. 20º ENCUENTRO Nacional sobre Desarrollo Regional en México. Publicado In: Pasado, presente y futuro de las regiones en México y su estudio. (ISBN: 978-607-96649-1-6 UNAM-IIEc: 978-607-02-7436-7: Cuernavaca, Morelos: 17 al 20 de noviembre de 2015). México: AMECIDER, 1-24.
Betancourt, D. (2014). Sistema de visión por computador para detectar hierba no deseada en prototipo de cultivo de frijol usando ambiente controlado. (Proyecto de grado). Universidad Católica de Colombia. Facultad de Ingeniería. Programa de ingeniería electrónica y telecomunicaciones. Bogotá D.C. Colombia.
Cabello, A. y Ortiz, E. (2013). Políticas públicas de innovación tecnológica y desarrollo: teoría y propuesta de educación superior. Revista: Convergencia Revista de Ciencias Sociales Scielo, 20(61), 135-172.
Cáceres, C. (2015). Procesamiento de imágenes para reconocimiento de daños causados por plagas en el cultivo de Begonia semperflorens (flor de azúcar). Acta agronómica. Palmira, Colombia. Universidad Nacional de Colombia. Disponible en: http://www.redalyc.org/pdf/1699/169940048012. pdf. doi: http://dx.doi.org/10.15446/acag. v64n3.42657. Acceso: julio 28 de 2019.
Cásares, C., Farías, N., García, N. y García, A. (2017). Procesamiento de imágenes de plantas ornamentales multi-escala para calcular su crecimiento. Revista: 3C TIC: Cuadernos de desarrollo aplicados a las TIC, 6(3): 10-25.
Di Benedetto, A. y Tognetti, J. (2016). “Técnicas de análisis de crecimiento de plantas: su aplicación a cultivos intensivos”. Revista: Revista de investigaciones agropecuarias: RIA, 42(3): 258-282.
Flores, A. (1990). “La modernización de la agricultura en el trópico húmedo mexicano: veinte años de experiencia en la Chontalpa, Tabasco”. Revista: Revista de Geografía Agrícola, 1(1): 105-115.
González, A., Amarillo, G., Amarillo, M. y Sarmiento, F. (2015). “Drones aplicados a la agricultura de precisión”. Revista: Revista especializada en ingeniería, 10(2016): 23-37.
LAVIDA. (2012). México Rumbo a la Sustentabilidad: 40 Propuestas para la Administración Federal 2012-2018. México: La Asamblea Veracruzana de Iniciativas y Defensa Ambiental. Disponible en: https://www.lavida.org.mx/documento/ m%C3%A9xico-rumbo-sustentabilidad- 40-propuestas-administraci%C3%B3n-federal-2012-2018. Acceso: 03 de abril de 2018.
Maduell, E. (2012). Visión artificial. PID_00184756, v.3.0. Barcelona, España: Universitat Oberta de Catalunya UOC. 1-30.
Murray, T. G., y Murray, P. G. (2012). Clima desbocado. ¿Cómo ves?. México: Guía del maestro www. comoves.unam.mx. Disponible en: http://www. comoves.unam.mx/assets/revista/168/clima-desbocado.pdf. Acceso: 24 de agosto de 2018.
Noda, K., Ezaki, N., Takizawa, H., Mizuno, S. y Yamamoto, S. (2006). Detection of plant saplessness with image processing. International Joint Conference SICE-ICASE, 4856 - 4860.
Núñez, O., Figueroa, T. y De Jesús, A. (2015). Monitorización de Cultivos Utilizando Drones. Lagunas, El Barrio de la Soledad, Oaxaca: Centro Educativo Cruz Azul, A.C. México. Disponile en: http:// vinculacion.dgire.unam.mx/vinculacion-1/ Congreso-Trabajos-pagina/Trabajos-2015/ Ciencias-fisicomatematicas/Fisica/13.%20 CIN2015A20121.pdf. Acceso: 03 de octubre de 2018.
Plan Nacional de Desarrollo. (2013-2018). Igualdad de oportunidades para un México próspero. México: Gobierno de la República. Disponible en: http:// pnd.gob.mx. https://observatorioplanificacion. cepal.org/sites/default/files/plan/files/ MexicoPlanNacionaldeDesarrollo20132018.pdf. Acceso: 03 de abril de 2018.
Silberschatz, A. y Korth, H. (2002). Fundamentos de Bases de Datos, 4ta Edición. Madrid, España: McGRAW-HILL, 787, 1-16.
Yan, L., Chunlei, X. y JangMyung, L. (2009). Vision-based pest detection and automatic spray of greenhouse plant. IEEE International Symposium on Industrial Electronics, 920 - 925.