Sistema de apoyo para el ahuyentamiento de palomas en sembríos de frijol caupí

Abstract

El presente proyecto de investigación se enfoca en la visión artificial con el propósito de crear un sistema de apoyo basado en una red convolucional para controlar las plagas de palomas en los cultivos de frijol caupí. Los objetivos incluyen la preparación de un dataset con numerosas imágenes para entrenar el modelo, la obtención de una alta precisión en la detección de palomas y la capacidad de detectarlas en tiempo real para su repulsión en momentos específicos. La metodología utilizada se basó en los pasos propuestos por el autor Nilson para desarrollar un nuevo modelo de red convolucional basado en Yolo versión 5, gestionando el proyecto mediante la metodología SCRUM. Los resultados del proyecto consisten en un nuevo modelo de red convolucional capaz de detectar palomas cuculí o de ala blanca en los campos de frijol caupí. Se empleó una tarjeta Orange Pi 5 como controlador de la solución. Además, se implementó un módulo de ahuyentamiento que reproduce efectos de sonidos, como aves de caza y escopetas, cuando se detecta la presencia del ave. Esta investigación se concluye con la recopilación de 1832 imágenes para entrenar el nuevo modelo convolucional, logrando una precisión del 97%. Finalmente, se alcanzó la detección en tiempo real de la paloma cuculí en el 85% de los ensayos realizados.

This research project focuses on artificial vision with the purpose of creating a support system based on a convolutional network to control pigeon pests in cowpea crops. The objectives include the preparation of a dataset with numerous images to train the model, obtaining high precision in the detection of pigeons and the ability to detect them in real time for their repulsion at specific times. The methodology used was based on the steps proposed by the author Nilson to develop a new convolutional network model based on Yolo version 5, managing the project using the SCRUM methodology. The results of the project consist of a new convolutional network model capable of detecting cuculí or white-winged pigeons in cowpea fields. An Orange Pi 5 card was used as the solution controller. In addition, a scaring module was implemented that reproduces sound effects, such as game birds and shotguns, when the presence of the bird is detected. This research is concluded with the collection of 1832 images to train the new convolutional model, achieving an accuracy of 97%. Finally, real-time detection of the cuculí pigeon was achieved in 85% of the trials carried out.