Teledetección de Amaranthus hibridus L. mediante imágenes digitales convencionales obtenidas por un vehículo aéreo no tripulado

• Autores: Soler, Fernando Luis
• Año de publicación: 2020
• Idioma: español castellano
• Tipo de recurso: tesis de maestría
• Colaborador/a o director/a de tesis: Ovando, Gustavo Gabriel
• Materia: Malezas; Plantas de cobertura; Drones; Imágenes
• Institución: Universidad Nacional de Córdoba

Trabajo Final (Especialización en Producción de Cultivos Extensivos) – UNC- Facultad de Ciencias Agropecuarias, INTA-EEA Manfredi, 2020
Fil: Soler, Fernando Luis. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Cátedra de Agrotecnia; Argentina.
Fil: Ovando, Gustavo Gabriel. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina.
El objetivo de este trabajo fue evaluar el desempeño de un Índice de Cobertura de Malezas (ICM) derivado de imágenes digitales convencionales de alta resolución obtenidas por un drone o UAV (del inglés, Unmanned Aerial Vehícle o vehículo Aéreo no Tripulado) sobre la hierba anual Amaranthus hybridus L. (AH), como un primer paso hacia la detección automática de la maleza. Para ello, en un lote agrícola, se distribuyeron 120 estaciones muestrales a las cuales se le realizaron diferentes tratamientos químicos con la finalidad de lograr diferentes niveles de infestación de la maleza. Posteriormente, sobre las mismas se realizó el conteo de malezas y en el mes de diciembre se registraron imágenes a 20 metros de altura utilizando el UAV. Las imágenes obtenidas se procesaronutilizando el Índice colorimétrico de extracción de vegetación (del inglés: Colour Index of Vegetation Extraction o CIVE) y un agrupamiento por afinidad fuzzy K-means, obteniendo un cociente de vegetación por cada estación. Dentro de las estaciones, serelevaron el porcentaje de cobertura mediante el software Canopeo, el número de plantas, la altura y la materia seca aérea total (MSAT) de AH; y se correlacionaron con el ICM obtenido por el UAV. También se evaluó la detección automática de la maleza en lotesdonde solo AH estaba presente, considerando como positiva a todas las estaciones en las que el ICM logró valores mayores a cero. Se registraron fuertes correlaciones (r, Pearson) entre los datos obtenidos mediante el drone y el porcentaje de cobertura obtenido porCanopeo (0,97), la MSAT (0,95) y el número de plantas (0,93), y valores más débiles de correlación entre el ICM y la altura de AH (0,57). Para la detección automática se logró un acierto del 74% con el método directo y del 86% utilizando umbrales mínimos dedetección (UMD). En base a resultados, se puede concluir que el ICM representa una herramienta potencial para diagnosticar biomasa aérea y número de plantas de AH. También se puede afirmar que los UMD permiten mejorar la precisión de la detección demalezas en superficies con alta densidad de malezas (rodales).
The objective of this work was to evaluate the performance of a Weed Coverage Index (WCI) derived from high-resolution conventional digital images obtained by a drone or UAV (Unmanned Aerial Vehicle) on Amaranthus hybridus L (AH), as a first step towards automatic weed detection. In order to accomplish this, 120 stations were distributed in an agricultural field. Different chemical treatments were carried out in these stations in order to achieve different levels of weed infestation. Subsequently, weed counts were carried out in December through images which were recorded at a 20-m height using the UAV. The images were processed using the colorimetric Index of vegetation extraction (CIVE) and a fuzzy K-means affinity grouping, obtaining a vegetation ratio for each station. Associations between the number of plants, the height and the total aerial dry matter (ADM) of AH in stations and the percentage of coverage surveyed by the software Canopeo and the WCI obtained by the UAV were defined. Automatic detection of weeds in plots where only AH was present was also evaluated, considering as positive all stations in which the WCI achieved values greater than zero. Strong correlations were recorded between the data obtained through the drone and the percentage of coverage obtained by Canopeo (0.97), the ADM (0.95) and the number of plants (0.93); weaker correlation values were obtained between WCI and the height of AH (0.57). The automatic detection accuracy was 74 %, when using minimum detection thresholds (MDT), method performance improved to 86% accuracy. Based on these results, it can be concluded that the WCI represents a potential tool for diagnosing aerial biomass and the number of AH plants. It can also be claimed that MDTs allow the improvement of accuracy for weed detection on fields with high weed density (patches).
Fil: Soler, Fernando Luis. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Cátedra de Agrotecnia; Argentina.
Fil: Ovando, Gustavo Gabriel. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina.