Detección temprana de malas hierbas dentro y fuera de la línea de cultivo mediante imágenes-UAV y modelos 3D
Ver/
Fecha
2017Autor
Versión
Acceso abierto / Sarbide irekia
Tipo
Contribución a congreso / Biltzarrerako ekarpena
Versión
Versión publicada / Argitaratu den bertsioa
Impacto
|
nodoi-noplumx
|
Resumen
Se ha desarrollado una metodología automática para la detección temprana de malas hierbas dentro y fuera de la línea de cultivo en fase temprana usando como variable discriminante la altura de las plantas (cultivo y malas hier-bas), calculada mediante técnicas fotogramétricas. Se utilizó un UAV equipado con una cámara modificada para captar información en las bandas del Rojo, Verde e Infrarrojo C ...
[++]
Se ha desarrollado una metodología automática para la detección temprana de malas hierbas dentro y fuera de la línea de cultivo en fase temprana usando como variable discriminante la altura de las plantas (cultivo y malas hier-bas), calculada mediante técnicas fotogramétricas. Se utilizó un UAV equipado con una cámara modificada para captar información en las bandas del Rojo, Verde e Infrarrojo Cercano. Se tomaron imágenes sobre una parcela de girasol infestada por diferentes especies de malas hierbas en fase temprana. Las imágenes fueron procesadas para generar una ortoimagen y un modelo tridimensional del cultivo y malas hierbas para su posterior análisis usando métodos orientados a objetos y el clasificador Random Forest. Se comparó la infestación de malas hierbas detectada con la realmente exis-tente en el campo en una serie de marcos de referencia, obteniéndose un coeficiente de determinación de 0,91 entre ambas variables. [--]
An automatic methodology for early season weed detection between and within the crop rows has been developed, where the main innovation was the use of plant height as discriminant feature. An UAV equipped with a conventional camera modified for R (red), G (green) and NIR (near infrared) acquisition was used for taken images over a sunflower plot infested with different weed species in early seaso ...
[++]
An automatic methodology for early season weed detection between and within the crop rows has been developed, where the main innovation was the use of plant height as discriminant feature. An UAV equipped with a conventional camera modified for R (red), G (green) and NIR (near infrared) acquisition was used for taken images over a sunflower plot infested with different weed species in early season. The images were processed to generate an orthomosaic and a digital surface model (DSM) representing both the crop and weeds, and they were analyzed using object based image analysis (OBIA) and Random Forest classifier. Automatically detected weed cover was compared with the real weed cover in the field in a number of reference frames, and the determination coefficient between both variables was 0.91. [--]
Materias
Vehículo aéreo no tripulado,
OBIA,
Random Forest,
Manejo localizado,
Agricultura de precisión,
Girasol,
Unmanned aerial vehicle,
OBIA,
Random Forest,
Site-specific weed management,
Precision agriculture,
Sunflower
Editor
Universidad Pública de Navarra / Nafarroako Unibertsitate Publikoa
Publicado en
Mercedes Royuela Hernando y Ana Zabalza Aznárez (editoras): XVI Congreso de la Sociedad Española de Malherbología: actas. Pamplona-Iruña, 25-27 octubre, 2017. Universidad Pública de Navarra Nafarroako Unibertsitate Publikoa, 2017.
Notas
Comunicación presentada al XVI Congreso de la Sociedad Española de Malherbología, celebrado en la Universidad Pública de Navarra, Pamplona-Iruña, entre los días 25 y 27 de octubre de 2017.
Entidades Financiadoras
Este trabajo fue financiado por el proyecto AGL2014- 52465-C4-4-R MINECO-FEDER. La investigación de Jorge Torres Sánchez, Ana Isabel de Castro Megías y José Manuel Peña Barragán fue financiada por los programas FPI, Juan de la Cierva, y Ramón y Cajal, respectivamente. La estancia de Jorge Torres Sánchez en la Universidad de Salzburgo fue financiada por el programa FPI.