Visión por Computadora
En el Laboratorio de Visión por Computadora se realizan investigaciones principalmente sobre los dos proyectos siguientes:
1.- Análisis de imágenes de cultivos utilizando aprendizaje profundo para la agricultura de precisión
Se solicitan estudiantes para realizar Maestría o Doctorado
Temas acordes a los dos proyectos mencionados. Contamos con becas Conacyt.
Formación necesaria: licenciatura o ingeniería en Sistemas Computacionales, Mecatrónica, Electrónica, Física o Matemáticas.
Es posible también realizar la tesis de licenciatura/ingeniería, prácticas profesionales (estancia de investigación) y servicio social.
Interesados escribir a los responsables.
Responsables del laboratorio
- Dr. Juan Manuel Rendón Mancha (rendon@uaem.mx)
- Dr. Jorge Alberto Fuentes Pacheco (jorge.fuentes@uaem.mx)
Estudiantes
Doctorado:
Osvaldo Alejandro Saez Lombira
Título de la tesis: Detección Automática de Nitrógeno en Imágenes de Plantas Mediante Aprendizaje Profundo. En proceso.
Maestría:
Juan Luis Torres Olivares
Título de la tesis: Aprendizaje profundo para la detección de árboles en imágenes aéreas de un cultivo de higo capturadas con un dron. En proceso.
Osvaldo Alejandro Saez Lombira
Título de la tesis: Segmentación Automática de Cultivos de Higos a partir de imágenes tomadas con drones.
Concluida el 8 de agosto de 2018.
Licenciatura:
Ignacio Gabriel Loaeza Rodriguez
Titulo de la tesis: Robot Aéreo Seguidor de Línea usando Visión Artificial. En proceso.
David Montalvo de la Cruz (Universidad Tecnológica de Tehuacán)
Título de la tesis: Construcción de un Drone para la Agricultura de Precisión.
Concluida el 20 de abril de 2018
Roberto Álvarez Castro
Título de la tesis: Localización 3D para drones en exteriores.
Concluida el 28 de junio de 2017
Juan Luis Torres Olivares
Título de la tesis: Detección de árboles en imágenes aéreas capturadas con un cuadrirotor.
Concluida el 30 de enero de 2017.
Publicaciones
J. Fuentes-Pacheco, J. Torres-Olivares, E. Roman-Rangel, S. Cervantes, P. Juarez-Lopez, J. Hermosillo-Valadez and J.M. Rendón-Mancha; Fig Plant Segmentation from Aerial Images Using a Deep Convolutional Encoder-Decoder Network. Remote Sens. 2019, 11 10 (1-18). 10.3390/rs11101157
Fuentes-Pacheco, Jorge; Ruiz-Ascencio, José;Rendón-Mancha, Juan Manuel; Visual simultaneous localization and mapping: a survey.Artificial Intelligence Review. Springer Netherlands. 2015, 43 1 (55 – 81) 10.1007/s10462-012-9365-8
Aprendizaje profundo para la detección de árboles en imágenes aéreas de un cultivo de higo, en el Taller Conjunto sobre Deep Learning y Ciencia de Datos , 2-3 octubre 2019. Guanajuato, Gto.