Peña, José ManuelCastro, Ana Isabel deTorres Sánchez, JorgeJiménez Brenes, Francisco M.Valencia, FranciscoLópez Granados, Francisca2018-02-092018-02-092017978-84-9769-327-1https://academica-e.unavarra.es/handle/2454/27198Comunicación 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.En este trabajo se han evaluado variables espectrales, morfológicas (forma, tamaño), contextuales (posición) y texturales que permitan desarrollar un procedimiento automático de clasificación de plántulas de amapola, otras malas hierbas, cultivo y suelo desnudo en imágenes adquiridas con un vehículo aéreo no tripulado (UAV). Las imágenes se tomaron con una cámara modificada para la obtención de información en infrarrojo-color y a una resolución espacial de 0,60 cm/píxel. Se aplicaron técnicas avanzadas de análisis de imágenes basadas en objetos para la obtención de las variables descritas y se desarrolló un modelo tipo árbol de decisión para cuantificar la importancia de cada variable en la clasificación. Los resultados indicaron que la información espectral basada en el índice de vegetación de diferencias normalizadas (NDVI, por sus siglas en inglés) aportó un 46% al modelo de clasificación, principalmente para la discriminación de objetos de vegetación y suelo desnudo. Por otra parte, para la identificación de las plántulas de amapola fue necesario incorporar además variables morfológicas (principalmente, el área [tamaño] del objeto, que aportó un 36% al modelo) y texturales (p.ej., textura media y entropía, con un 11% de contribución en el modelo). Por su parte, la distancia relativa de los objetos a la línea de cultivo tuvo escasa importancia en la clasificación total.A group of spectral, morphological (shape-based, size), contextual (location), and textural features were evaluated with the aim of automatic classification of Papaver rhoeas seedlings, other weeds, crop plants and bare soil in images collected with an unmanned al vehicle (UAV). The images were taken with a color-infrared modified camera at 0,60 cm/pixel of spatial resolution. The features were obtained by applying advanced object-based images techniques, and their contribution to the classification was analyzed with decision tree modeling. Spectral information from the normalized difference vegetation index (NDVI) contributed 46% to the model, mainly due to its capacity to discriminate vegetation and bare soil objects. Additionally, identification of Papaver rhoeas seedlings was possible by incorporating morphological (mainly object size, which contributed to 36% to the model) and textural features (e.g., mean and entropy, which contributed to 11% to the model). Finally, relative distance of the objects to the crop-rows had a low importance in the total classification results.6 p.application/pdfspaLicencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional (CC BY-NC-ND 4.0)UAVAnálisis de imágenes basado en objetos (OBIA)Árboles de decisiónCereal de inviernoControl localizado de malas hierbasUAVObject-based image analysis (OBIA)Decision tree modelsWinter cerealsSite-specific weed controlinfo:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/openAccessAcceso abierto / Sarbide irekia