Treffer: Sistema de etiquetado de zonas de interés en ortofotos obtenidas mediante Dron.

Currently, coffee producers require technological tools that allow them to obtain and analyze accurate information about their farms. Orthophotos generated by drones offer an accessible, high-resolution option; however, small-scale farmers lack systems that enable them to label these images in a simple and autonomous way. This limitation hinders the generation of useful data for training artificial intelligence models applied to crop management. To address this need, a labeling system was developed, beginning with the organization of orthophotos by location and capture date. Then, using QGIS software, coffee plots are manually cropped and stored in a database. Later, Python scripts integrated into the QGIS console automate all processes, including image format conversion, optimizing their use in computer vision models. This system allows producers to identify areas of interest on their farms, democratizing access to agriculture 4.0 technologies. It also accelerates data collection and improves the accuracy of predictive models, promoting more informed and efficient decision-making. [ABSTRACT FROM AUTHOR]

Actualmente, los productores de café requieren herramientas tecnológicas que les permitan obtener y analizar información precisa de sus fincas. Las ortofotos generadas mediante drones ofrecen una opción accesible y de alta resolución, pero los pequeños caficultores carecen de sistemas que les permitan etiquetar dichas imágenes de forma sencilla y autónoma. Esta limitación reduce la posibilidad de generar datos útiles para entrenar modelos de inteligencia artificial aplicados al manejo de cultivos. En respuesta a esta necesidad, se desarrolló un sistema de etiquetado que inicia con la organización de ortofotos según lugar y fecha de captura. Luego, utilizando el software QGIS, se recortan manualmente los lotes sembrados en café y se almacenan en una base de datos. Posteriormente, mediante scripts en Python integrados en la consola de QGIS, se automatizan todos los procesos incluido el cambio de formato de imagen, optimizando su uso en modelos de visión por computador. Este sistema permite a los productores identificar zonas de interés en sus fincas, democratizando el acceso a tecnologías de agricultura 4.0. Además, agiliza la recolección de datos y mejora la precisión de los modelos predictivos, promoviendo una toma de decisiones más informada y eficiente. [ABSTRACT FROM AUTHOR]

Copyright of Revista Facultad Nacional de Agronomía Medellín is the property of Universidad Nacional de Colombia and its content may not be copied or emailed to multiple sites without the copyright holder's express written permission. Additionally, content may not be used with any artificial intelligence tools or machine learning technologies. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)