Aprendizaje para obtener la medición del costo computacional de los algoritmos de reconocimiento de imágenes en hojas del cultivo de soya

Resumen

El objetivo de este trabajo fue presentar la medición del costo computacional de varios algoritmos de reconocimiento de imágenes en hojas de soya, a través de un enfoque cuantitativo y experimental. Después de revisar la base teórica, se procedió a la implementación y experimentación de estos algoritmos utilizando imágenes de hojas de soya. Los resultados demuestran que no se puede establecer claramente cuál es la mejor elección entre los algoritmos detectores de descriptores como SIFT y SURF, pues mientras uno de ellos tiene un mayor tiempo de procesamiento en milisegundos, su consumo de memoria es menor, y viceversa. Por otro lado, en cuanto a los algoritmos de búsqueda de esquinas, como Harris y Shi-Tomasi, este último demostró ser superior tanto en términos del número de córneres detectados como en el tiempo de procesamiento en milisegundos y el consumo de memoria. Finalmente, en el grupo de algoritmos de contornos activos, se observó que el algoritmo Snake supera al Chan-Vese con un menor tiempo de procesamiento en milisegundos y un menor consumo de memoria. En síntesis, se puede sugerir que, para el reconocimiento de hojas en plantas de soya, el algoritmo Shi-Tomasi podría ser una opción adecuada debido a su desempeño óptimo en cuanto al tiempo de procesamiento y al consumo de memoria en comparación con los otros algoritmos analizados.