Computación visual en Papaya: Un Mapeo Sistemático
Enviado por iomarigor • 19 de Febrero de 2020 • Tesinas • 2.723 Palabras (11 Páginas) • 100 Visitas
Computación visual en Papaya: Un Mapeo Sistemático
Ruiz Daniel.
Universidad Nacional Agraria de la selva, Facultad de Ingeniería en Informática y Sistemas
ABSTRACT
En los últimos años la computación visual se ha desarrollado dentro de la agricultura. Mediante la metodología del mapeo sistemático se busca identificar los subcampos de la computación visual aplicados en la papaya, la tendencia de publicación y ubicación geográfica durante el periodo 2005-2020 y como se han desarrollado los campos de la computación visual en papaya. Al observar que subcampos de la computación visual y áreas que se desarrolla de papaya se puede identificar que subcampos aún no se han explorado.
INTRODUCCION
Dentro del campo de la computación visual existe una amplia variedad de tecnologías que pueden ofrecer un gran aporte a la agricultura[1]–[6]. El cultivo de la papaya dentro del mercado de frutales dentro del Perú…, con el fin de encontrar tecnologías de computación visual que permita su desarrollo se realiza este mapeo sistemático. Este trabajo evaluara estudios primarios dentro del periodo 2005-2020, tomando en consideración las metodologías planteadas en [7]–[9]. Los subcampos de la computación visual según [10] pueden variar de acuerdo al campo o usos de los que se esté contextualizando por lo que se vio por conveniente utilizar la clasificación del autor(Figura 1).
[pic 1]
Figura 1: Subcampos de computación visual [10]
Las áreas de la papaya en que se aplica los subcampos de computación visual son: el reconocimiento de papaya en [11], [12], [13]; el área de segmentación de papaya [14] ,[15]; área de enfermedad de papayas [16], [17]; el área clasificación de papaya [18] ,[19].(5); el área de secado del fruto en [20] y el área de calidad de la superficie del fruto de [21].
En la sección II se explica preguntas de investigación y la finalidad que posee. Preguntas de calidad con las que se evalúa los artículos seleccionados. La metodología escogida para hacer la cadena de búsqueda, las bases de datos escogidas y sus primeros resultados. El protocolo de selección de articulo ordenado en iteraciones con sus respectivos criterios de inclusión/exclusión. La sección III se presentan los resultados de la búsqueda alineados a sus bases de datos y las puntuaciones de las preguntas de calidad. la sección IV responde a las preguntas de investigación mediante el análisis de los resultados.
II. METODOLOGIA
Preguntas de Investigación:
RQ 1. ¿Cuál es la tendencia de las publicaciones de computación visual respecto a la papaya? Se pretende el realizar una observación de como las investigaciones fueron desarrollándose en el periodo 2005-2020, evaluando los años de publicación, la procedencia de los autores teniendo como referencia al autor principal.
RQ 2. ¿En qué áreas de la papaya es aplicado computación visual? El definir las áreas de la papaya donde se aplican los subcampos de computación visual permite tener una perspectiva de cómo se desarrolla la tecnología para este cultivo.
RQ 3. ¿Como los subcampos de la computación visual se han aplicado en las áreas de papaya? Se pretende descubrir cuales subcampos de la computación visual se han aplicado en las áreas de la papaya y cuales han sido su resultado.
Preguntas de Calidad
Las preguntas de calidad se seleccionó de [9], tomando en cuenta aquellas relevantes para la investigación. Como se observa en la Tabla 1, mientras el resultado se acerque a 4.0 mejor es el estudio evaluado respecto al tema.
Tabla 1: Preguntas de calidad: respuestas y respectivas puntuaciones [9]
Pregunta de calidad | Si | Parcialmente | No |
¿Están los objetivos claramente establecidos? | 1.0 | 0.5 | 0 |
¿Está la tecnología claramente definida? | 1.0 | 0.5 | 0 |
¿Se describen adecuadamente los métodos de recopilación de datos? | 1.0 | 0.5 | 0 |
¿Son los resultados negativos presentados? | 1.0 | 0.5 | 0 |
TOTAL | 4.0 |
BUSQUEDA
Mediante la metodología PICOC [8] , se seleccionó como población a la” papaya” asistiéndose del sinónimo “carica papaya”. Como Intervención se seleccionó “computer vision” apoyándose en los sinónimos “robot visual processing” y “system for the blind” para lograr una mayor amplitud en el momento de la búsqueda de artículos relacionados. (Tabla 2)
Tabla 2: Cadena de búsqueda resultante de metodología PICOC
Cadena de búsqueda | ("papaya" OR "carica papaya") AND ("computer vision" OR "robot visual processing" OR "system for the blind") |
La cadena de búsqueda se utilizó en su forma base para las siguientes bases de datos: ACM Digital Library, IEEE Digital Library, Science@Direct, Scopus y Springer Link. (Tabla 3)
Tabla 3:Primeros resultados de la cadena de búsqueda
LIBRERIA | TOTAL |
ACM Digital Library | 0 |
IEEE Digital Library | 2 |
Science@Direct | 59 |
Scopus | 5 |
Springer Link | 48 |
TOTAL | 114 |
Protocolo de selección
Se tomó en cuenta el modelo propuesto por [8]. En la primera revisión se evalúa con los criterios de inclusión/selección de la Tabla 4, el resultado de la selección se evalúa mediante “backward snowball” [7] volviendo aplicar los mismos criterios.
Tabla 4: Protocolo de selección de artículos
Primera iteración | |
Criterio de inclusión | Criterio de exclusión |
|
|
Segunda iteración | |
Aplicar técnica” backward snowball” con los artículos de primera iteración. | |
Criterio de inclusión | Criterio de exclusión |
|
|
Para realizar la selección de artículos de la primera iteración, primero se aplican los criterios de exclusión, luego se analiza el título de los artículos, si este tiene relación con la computación visual y la papaya, entonces el artículo es seleccionado, además si se menciona alguna fruta o vegetal que este aplicando esta tecnología también se toma en cuenta, luego se procede a leer el resumen, conclusión y referencias de la investigación a modo de verificar los criterios de inclusión. Se consideraron los artículos de revisión para encontrar posibles artículos primarios en sus referencias.
...