Update README.md

README.md

@@ -1,15 +1,9 @@
 ---
 license: apache-2.0
----
 language:
-  - es
-thumbnail: null
-tags:
-  - summarization
-  - mt5
-  - spanish
+- es
 metrics:
-  - rouge
-widget:
-  - text: >-
-      El cultivo de arándanos ha experimentado un aumento significativo en los últimos años, generando ingresos sustanciales para el sector agrícola. Sin embargo, el cuidado de estas plantas, que producen frutos dos años después de la germinación, implica considerar diversos factores. El monitoreo activo, es crucial en el primer año de desarrollo, se realiza comúnmente de forma manual, especialmente en invernaderos, donde los factores ambientales pueden ser controlados. A pesar de esto, las plantaciones de arándanos pueden experimentar síntomas de estrés, como manchas rojizas en las hojas y adelgazamiento de tallos. El estrés hídrico es una causa común de malestar en los cultivos, afectando tamaño, cantidad y calidad del fruto. La implementación de tecnologías como inteligencia artificial y robótica en la agricultura ha permitido la automatización del monitoreo activo, pero muchos agricultores aún no tienen acceso debido a costos elevados y dificultades de implementación. En este contexto, se propone una rutina de inspección autónoma mediante un UAV para la detección de estrés en plantas de arándanos. El trabajo se estructura en cuatro fases: análisis del estado del arte, recolección de datos para construir datasets, clasificación mediante redes neuronales convolucionales y control visual con marcadores ArUco y algoritmos de lógica difusa. Este enfoque busca ofrecer una solución eficiente y accesible para el monitoreo de la salud de las plantas en entornos controlados como invernaderos
+- rouge
+library_name: transformers
+pipeline_tag: summarization
+---