Soy ingeniero agrónomo y actualmente estoy desarrollando mi tesis de maestría en Sistemas de Información Geográfica (SIG). El objetivo del proyecto es desarrollar un modelo de visión computacional capaz de detectar y contar plantas de palma aceitera a partir de imágenes RGB obtenidas con dron, con fines de análisis agrícola y generación de información geoespacial. Busco apoyo para el desarrollo del modelo de detección basado en YOLO (YOLOv5, YOLOv8 u otra arquitectura similar justificada técnicamente), utilizando un conjunto de imágenes proporcionado por mí. El enfoque es académico y aplicado al sector agrícola. Alcance del trabajo Preparación y/o validación del dataset para entrenamiento. Entrenamiento y ajuste fino del modelo de detección. Generación de inferencias sobre nuevas imágenes. Exportación de resultados en formato compatible con SIG (CSV con coordenadas, GeoJSON o shapefile). Documentación básica del flujo de trabajo para poder reproducir el entrenamiento. Entregables esperados Modelo entrenado. Script de entrenamiento e inferencia (Python). Instrucciones de instalación y ejecución (README). Métricas de evaluación del modelo (Precision, Recall, mAP). Contexto técnico Las imágenes provienen de vuelos de dron sobre cultivos de palma aceitera en Ecuador. Los resultados serán utilizados posteriormente en ArcGIS/QGIS para análisis espacial y validación agronómica. No busco que el freelancer realice la tesis, sino apoyo técnico en la implementación del modelo y buenas prácticas en computer vision. Criterios de finalización El proyecto se considerará finalizado cuando el modelo alcance una precisión adecuada para detección de plantas (objetivo referencial ≥85% mAP) y el flujo de inferencia funcione correctamente sobre nuevas imágenes. Experience working with aerial or drone imagery in agriculture or forestry is highly preferred.