Uso de Aeronaves y Tratamiento Digital de Imágenes para Diagnóstico y Rendimiento de la Producción Agrícola
El uso de aeronaves no tripuladas (UAVs) y tratamiento digital de imágenes es una técnica innovadora que permite obtener información precisa y oportuna sobre el estado de los cultivos, el suelo y el clima. Esta información se puede utilizar para mejorar la eficiencia y la productividad agrícola, así...
- Autores:
-
Sánchez Garcés, Sara Ximena
Ramírez García, Juan Sebastián
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2024
- Institución:
- Universidad Santo Tomás
- Repositorio:
- Repositorio Institucional USTA
- Idioma:
- spa
- OAI Identifier:
- oai:repository.usta.edu.co:11634/54801
- Acceso en línea:
- http://hdl.handle.net/11634/54801
- Palabra clave:
- Ingeniería Ambiental
Imágenes- Digital.
Impacto Ambiental
UAVs
RGBs
Monitoreo Agrícola
Análisis Multiespectral
Tratamiento Digital de Imágenes
Dron
Agricultural Production
Crops
Precision Agriculture
Orthomosaic
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 2.5 Colombia
| id |
SANTOTOMAS_4839c9963a5a33f41f127733b0d28f37 |
|---|---|
| oai_identifier_str |
oai:repository.usta.edu.co:11634/54801 |
| network_acronym_str |
SANTOTOMAS |
| network_name_str |
Repositorio Institucional USTA |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Uso de Aeronaves y Tratamiento Digital de Imágenes para Diagnóstico y Rendimiento de la Producción Agrícola |
| title |
Uso de Aeronaves y Tratamiento Digital de Imágenes para Diagnóstico y Rendimiento de la Producción Agrícola |
| spellingShingle |
Uso de Aeronaves y Tratamiento Digital de Imágenes para Diagnóstico y Rendimiento de la Producción Agrícola Ingeniería Ambiental Imágenes- Digital. Impacto Ambiental UAVs RGBs Monitoreo Agrícola Análisis Multiespectral Tratamiento Digital de Imágenes Dron Agricultural Production Crops Precision Agriculture Orthomosaic |
| title_short |
Uso de Aeronaves y Tratamiento Digital de Imágenes para Diagnóstico y Rendimiento de la Producción Agrícola |
| title_full |
Uso de Aeronaves y Tratamiento Digital de Imágenes para Diagnóstico y Rendimiento de la Producción Agrícola |
| title_fullStr |
Uso de Aeronaves y Tratamiento Digital de Imágenes para Diagnóstico y Rendimiento de la Producción Agrícola |
| title_full_unstemmed |
Uso de Aeronaves y Tratamiento Digital de Imágenes para Diagnóstico y Rendimiento de la Producción Agrícola |
| title_sort |
Uso de Aeronaves y Tratamiento Digital de Imágenes para Diagnóstico y Rendimiento de la Producción Agrícola |
| dc.creator.fl_str_mv |
Sánchez Garcés, Sara Ximena Ramírez García, Juan Sebastián |
| dc.contributor.advisor.none.fl_str_mv |
Sierra Parada, Ronald Jackson |
| dc.contributor.author.none.fl_str_mv |
Sánchez Garcés, Sara Ximena Ramírez García, Juan Sebastián |
| dc.contributor.googlescholar.spa.fl_str_mv |
https://scholar.google.com/citations?hl=es&user=GNp1oP8AAAAJ |
| dc.contributor.cvlac.spa.fl_str_mv |
https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001431760 https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001800462 https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000066241 |
| dc.contributor.corporatename.spa.fl_str_mv |
Universidad Santo Tomás |
| dc.subject.lemb.spa.fl_str_mv |
Ingeniería Ambiental Imágenes- Digital. Impacto Ambiental |
| topic |
Ingeniería Ambiental Imágenes- Digital. Impacto Ambiental UAVs RGBs Monitoreo Agrícola Análisis Multiespectral Tratamiento Digital de Imágenes Dron Agricultural Production Crops Precision Agriculture Orthomosaic |
| dc.subject.proposal.spa.fl_str_mv |
UAVs RGBs Monitoreo Agrícola Análisis Multiespectral Tratamiento Digital de Imágenes Dron Agricultural Production Crops Precision Agriculture Orthomosaic |
| description |
El uso de aeronaves no tripuladas (UAVs) y tratamiento digital de imágenes es una técnica innovadora que permite obtener información precisa y oportuna sobre el estado de los cultivos, el suelo y el clima. Esta información se puede utilizar para mejorar la eficiencia y la productividad agrícola, así como para reducir el impacto ambiental. Partiendo de ello, esta investigación se propuso analizar el impacto de implementar UAVs y el tratamiento digital de imágenes en la producción agrícola. Para ello se desarrolló un análisis bibliométrico del cual se obtuvo una visión clara del papel que juegan los UAVs, las imágenes RGBs, el análisis multiespectral, algoritmos y softwares en el fortalecimiento de las capacidades agrícolas, encontrando casos en donde la detección de malezas y patologías de cultivo aumentaron a un 97% y 85% respectivamente, llevando a concluir que las metodologías de seguimiento utilizando UAVs, son efectivas para el monitoreo agrícola y por tanto es importante trabajar en la divulgación y expansión de estos métodos en la agricultura. |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2024-04-23T12:36:50Z |
| dc.date.available.none.fl_str_mv |
2024-04-23T12:36:50Z |
| dc.date.issued.none.fl_str_mv |
2024-04-05 |
| dc.type.local.spa.fl_str_mv |
Trabajo de Grado |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.drive.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.citation.spa.fl_str_mv |
Sánchez Garcés, S. X, y Ramírez García, J. S. (s.f.). Uso de Aeronaves y Tratamiento Digital de Imágenes para Diagnóstico y Rendimiento de la Producción Agrícola. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional. |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/11634/54801 |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Universidad Santo Tomás |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Santo Tomás |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.usta.edu.co |
| identifier_str_mv |
Sánchez Garcés, S. X, y Ramírez García, J. S. (s.f.). Uso de Aeronaves y Tratamiento Digital de Imágenes para Diagnóstico y Rendimiento de la Producción Agrícola. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional. reponame:Repositorio Institucional Universidad Santo Tomás instname:Universidad Santo Tomás repourl:https://repository.usta.edu.co |
| url |
http://hdl.handle.net/11634/54801 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
J. Valenzuela, B. de la Peña, T. Gaytán, “Agricultura 4.0”, Agraria, Edicion especial, No. 1, 2022, Accedido el 26 de marzo de 2024. [En línea]. Disponible: https://doi.org/10.59741/agraria.v19iSE1.4 E. Pino, “Los drones una herramienta para una agricultura eficiente: un futuro de alta tecnología”, IDESIA (Chile), , vol. 37, n.º 1, p. 75 - 84, marzo de 2019. Accedido el 26 de marzo de 2024. [En línea]. Disponible: https://doi.org/10.3390/agriculture1308159 A. Benedikter, P. Laderach, A. Eitzinger, S. Cook, A. Quiroga, A. Pantoja, M. Bruni, “Cambio climático mundial y cadena de suministro de alimentos: Política para la adaptación colectiva”, CIAT Politics en Sintesis, No. 11, septiembre 2013. Accedio el 20 de marzo de 2024. [en línea]. Disponible: https://cgspace.cgiar.org/server/api/core/bitstreams/132f41a2-0883-4fcf-84df-202fa62651ac/content E. M. B. M. Karunathilake, A. T. Le, S. Heo, Y. S. Chung y S. Mansoor, “The Path to Smart Farming: Innovations and Opportunities in Precision Agriculture”, Agriculture, vol. 13, n.º 8, p. 1593, agosto de 2023. Accedido el 30 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.3390/agriculture1308159 J. Wieme, K. Mollazade, I. Malounas, M. Zude, M. Zhao, A. Gowen, D. Argypoulos, S. Fountas, J. Van, “Application of Hyperspectral imaging systems and artificial intelligence for quality assessment of fruit, vegetables and mushrooms: a review”, Biosystems Engineering, vol. 222, p. 156, julio de 2022. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.1016/j.biosystemseng.2022.07.013 S. Lorduy, “Generación de ortotmágenes usando vehículos aéreos no tripulados aplicado a la agricultura” Tesis de grado. Departameno de ciencias físicas. Universidad EAFIT. Medellin. Colombia. 2017. Tomado de: https://repository.eafit.edu.co/server/api/core/bitstreams/a467a31b-85a9-441d-b50b-48c23c158e60/content Galvez, C. Co-word analysis applied to highly cited papers in Library and Information Science (2007-2017). TransInformação, Campinas, 30(3):277-286, set./dez., 2018. Accedido el 02 de octubre de 2024. [En línea]. Disponible: https://www.scielo.br/j/tinf/a/RgynpHSFbrMk4PFG55bGfwr/?format=pdf&lang=es Eurostat, 2017. “Archive:Productos agrícolas”. Marzo de 2017 Accedido el 02 de febrero de 2024. [En línea]. Disponible: https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Archive:Productos_agr%C3%ADcolas M. Chakraborty, A. Pourreza, X. Zhang, H. Jafarbiglu, K. A. Shackel y T. DeJong, “Early almond yield forecasting by bloom mapping using aerial imagery and deep learning”, Comput. Electron. Agriculture, vol. 212, p. 108063, septiembre de 2023. Accedido el 26 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.1016/j.compag.2023.108063 K. Zhichkin, V. Nosov, L. Zhichkina, O. Anichkina, I. Borodina y A. Beketov, “Efficiency of using drones in agricultural production”, E3S Web Conf., vol. 381, p. 01048, 2023. Accedido el 26 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.1051/e3sconf/202338101048 F. Reuter, A. Pedenovi, “Drones y sus aplicaciones a la ingeniería”, SERIE DIDÁCTICA, No. 43, marzo de 2019. Accedio 26 de marzo de 2024. Departameno de ciencias físicas. Disponible: https://fcf.unse.edu.ar/wp-content/uploads/2014/07/SD-43-Drones-y-su-aplicacion-a-la-ingenieria-REUTER_r.pdf M. H. M. Ghazali, A. Azmin y W. Rahiman, “Drone implementation in precision agriculture – A survey”, Int. J. Emerg. Technol. Adv. Eng., vol. 12, n.º 4, pp. 67–77, abril de 2022. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.46338/ijetae0422_10 C. Marty, S. Khare, S. Rossi, J. Lafond, M. Boivin y M. C. Paré, “Detection of management practices and cropping phases in wild lowbush blueberry fields using multispectral UAV data”, Can. J. Remote Sens., pp. 1–12, mayo de 2022. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.1080/07038992.2022.2070144 A. B. Valluvan, R. Raj, R. Pingale y A. Jagarlapudi, “Canopy height estimation using drone-based RGB images”, Smart Agricultural Technol., p. 100145, diciembre de 2022. Accedido el 26 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.1016/j.atech.2022.100145 A. W. Herr et al., “UAS imagery for phenotyping in cotton, maize, soybean, and wheat breeding”, Crop Sci., junio de 2023. Accedido el 26 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.1002/csc2.21028 L. Anfruns Espuña, “Uso y aplicación de sensores RGB y multiespectral embarcados en dron para la monitorización del cultivo de café”, GeoFocus Rev. Int. Cienc. Tecnol. Informacion Geogr., vol. 31, pp. 5–38, julio de 2023. Accedido el 26 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.21138/gf.800 A. Vázquez-Ramírez, D. Mújica-Vargas, A. Luna-Álvarez, M. Matuz-Cruz y J. d. J. Rubio, “Real-Time detection of bud degeneration in oil palms using an unmanned aerial vehicle”, Eng, vol. 4, n.º 2, pp. 1581–1596, mayo de 2023. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.3390/eng4020090 K. Amores y K. Trelles, “Implemetación de un sistema para detectar la enfermedad de la Sigatoka negra en una plantación de banano empleando técnicas de visión artificial” tesis de grado. Departamento de ingeniería electrónica. Universidad del AZUAY. Cuenca. Ecuador. 2022. Tomado de: https://dspace.uazuay.edu.ec/bitstream/datos/11682/1/17211.pdf Barrero, O., Perdomo, SA Fusión de imágenes RGB y UAV multiespectrales para la detección de malezas Gramineae en campos de arroz. Agricultura de precisión 19 , 809–822 (2018). Accedido el 07 de febrero de 2024. [En línea]. Disponible: https://doi.org/10.1007/s11119-017-9558-x Berrío, V., Mosquera, J y Alzate, D, “Use of drones for multispectral image analysis in precision agriculture”, @limentech, Ciencia y Tecnología Alimentaria 13(2015) 28-40, Accedido el 07 de febrero de 2024. [En línea]. Disponible: https://core.ac.uk/download/pdf/230755963.pdf [21] R. Hine, “Monitoreo del crecimiento de plantas de piña (Ananas comosus) en los primeros seis meses del cultivo medianamente la estimación de altura con imágenes RGB obtenidas con vehículos aéreos no tripulados” Tesis de grado. Facultad de Ciencias Agroalimentarias. Universidad de Costa Rica. Costa Rica. Tomado de: https://repo.sibdi.ucr.ac.cr/bitstream/123456789/18284/1/45557.pdf N. Dawn et al., “Implementation of artificial intelligence, machine learning, and internet of things (iot) in revolutionizing agriculture: A review on recent trends and challenges”, Int. J. Exp. Res. Rev., vol. 30, pp. 190–218, abril de 2023. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.52756/ijerr.2023.v30.018 Á. Székely, T. Szalóki, M. Jancsó, J. Pauk y C. Lantos, “Temporal changes of leaf spectral properties and rapid chlorophyll—a fluorescence under natural cold stress in rice seedlings”, Plants, vol. 12, n.º 13, p. 2415, junio de 2023. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.3390/plants12132415 F. L. Macedo et al., “Estimation of productivity and above-ground biomass for corn (zea mays) via vegetation indices in madeira island”, Agriculture, vol. 13, n.º 6, p. 1115, mayo de 2023. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.3390/agriculture13061115 S. Martins, R. Lhissou, K. Chokmani y A. Cambouris, “Determining the beginning of potato tuberization period using plant height detected by drone for irrigation purposes”, Agronomy, vol. 13, n.º 2, p. 492, febrero de 2023. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.3390/agronomy13020492 W. Yuan, W. Hua, P. H. Heinemann y L. He, “UAV photogrammetry-based apple orchard blossom density estimation and mapping”, Horticulturae, vol. 9, n.º 2, p. 266, febrero de 2023. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.3390/horticulturae9020266 B. A. Friesenhahn et al., “Using drones to detect and quantify wild pig damage and yield loss in corn fields throughout plant growth stages”, Wildlife Soc. Bull., abril de 2023. Accedido el 26 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.1002/wsb.1437 J. C. S. Vasconcelos et al., “Development and validation of a model based on vegetation indices for the prediction of sugarcane yield”, AgriEngineering, vol. 5, n.º 2, pp. 698–719, abril de 2023. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.3390/agriengineering5020044 U. Shafi et al., “Tackling food insecurity using remote sensing and machine learning based crop yield prediction”, IEEE Access, p. 1, 2023. Accedido el 26 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.1109/access.2023.3321020 C. Fragassa, G. Vitali, L. Emmi y M. Arru, “A new procedure for combining uav-based imagery and machine learning in precision agriculture”, Sustainability, vol. 15, n.º 2, p. 998, enero de 2023. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.3390/su15020998 M. H. M. Ghazali, A. Azmin y W. Rahiman, “Drone implementation in precision agriculture – A survey”, Int. J. Emerg. Technol. Adv. Eng., vol. 12, n.º 4, pp. 67–77, abril de 2022. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.46338/ijetae0422_10 B. Al-Rami, K. M. A. Alheeti, W. M. Aldosari, S. M. Alshahrani y S. M. Al-Abrez, “A new classification method for drone-based crops in smart farming”, Int. J. Interact. Mobile Technol. (iJIM), vol. 16, n.º 09, pp. 164–174, mayo de 2022. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.3991/ijim.v16i09.30037 |
| dc.rights.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.campus.spa.fl_str_mv |
CRAI-USTA Bogotá |
| dc.publisher.spa.fl_str_mv |
Universidad Santo Tomás |
| dc.publisher.program.spa.fl_str_mv |
Pregrado de Ingeniería Ambiental |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería Ambiental |
| institution |
Universidad Santo Tomás |
| bitstream.url.fl_str_mv |
https://repository.usta.edu.co/bitstream/11634/54801/6/2024sarasanchez.pdf.jpg https://repository.usta.edu.co/bitstream/11634/54801/7/2024cartadefacultad.pdf.jpg https://repository.usta.edu.co/bitstream/11634/54801/8/2024cartadederechosdeautor.pdf.jpg https://repository.usta.edu.co/bitstream/11634/54801/1/2024sarasanchez.pdf https://repository.usta.edu.co/bitstream/11634/54801/2/2024cartadefacultad.pdf https://repository.usta.edu.co/bitstream/11634/54801/3/2024cartadederechosdeautor.pdf https://repository.usta.edu.co/bitstream/11634/54801/4/license_rdf https://repository.usta.edu.co/bitstream/11634/54801/5/license.txt |
| bitstream.checksum.fl_str_mv |
69d9d55d5d17a9fd4fe53d61f452ebd8 5f69e80f209c74a70708fed7a26293e8 1aa06fa2a965fc2847232fdc3db9c9c4 6496d65e60bb68df05d40ebbe19187b9 ea17cf9c9e3234dd0268349be2a3b6bf f5309356f4be89748b5551c41b63a49c 217700a34da79ed616c2feb68d4c5e06 aedeaf396fcd827b537c73d23464fc27 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Universidad Santo Tomás |
| repository.mail.fl_str_mv |
noreply@usta.edu.co |
| _version_ |
1860882380223414272 |
| spelling |
Sierra Parada, Ronald JacksonSánchez Garcés, Sara XimenaRamírez García, Juan Sebastiánhttps://scholar.google.com/citations?hl=es&user=GNp1oP8AAAAJhttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001431760https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001800462https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000066241Universidad Santo Tomás2024-04-23T12:36:50Z2024-04-23T12:36:50Z2024-04-05Sánchez Garcés, S. X, y Ramírez García, J. S. (s.f.). Uso de Aeronaves y Tratamiento Digital de Imágenes para Diagnóstico y Rendimiento de la Producción Agrícola. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.http://hdl.handle.net/11634/54801reponame:Repositorio Institucional Universidad Santo Tomásinstname:Universidad Santo Tomásrepourl:https://repository.usta.edu.coEl uso de aeronaves no tripuladas (UAVs) y tratamiento digital de imágenes es una técnica innovadora que permite obtener información precisa y oportuna sobre el estado de los cultivos, el suelo y el clima. Esta información se puede utilizar para mejorar la eficiencia y la productividad agrícola, así como para reducir el impacto ambiental. Partiendo de ello, esta investigación se propuso analizar el impacto de implementar UAVs y el tratamiento digital de imágenes en la producción agrícola. Para ello se desarrolló un análisis bibliométrico del cual se obtuvo una visión clara del papel que juegan los UAVs, las imágenes RGBs, el análisis multiespectral, algoritmos y softwares en el fortalecimiento de las capacidades agrícolas, encontrando casos en donde la detección de malezas y patologías de cultivo aumentaron a un 97% y 85% respectivamente, llevando a concluir que las metodologías de seguimiento utilizando UAVs, son efectivas para el monitoreo agrícola y por tanto es importante trabajar en la divulgación y expansión de estos métodos en la agricultura.The use of aircraft and digital image processing is an innovative technique that allows obtaining precise and adequate information on the state of crops, soil, and climatic conditions. This information can be used to improve the efficiency and productivity of agriculture, as well as reduce environmental impact. Unmanned aerial vehicles, or UAVs, can be equipped with different optical, thermal, spectral, or hyperspectral sensors. These sensors capture images that are processed using specialized algorithms and software to extract agronomic indicators such as vegetation index (VI), water stress, detection of pests and diseases, yield estimation, among other variables and relationships that is decisive at the time of apply techniques in the way of precision agriculture. That is why this article proposes to develop a bliometric analysis on the main research topics related to the implementation of UAVs and image processing in the agricultural production sector that allowed for defining the nature of the role that thematic trends in the academic field, in addition to providing a clear vision of the role that UAVs, RGB images, multispectral analysis, algorithms and software do, in orther to development and improve of agricultural capacities in Colombia, in orther to the existence of cases where weed detection rates reached precision of 97%, situations where fruit detection achieved an effectivity around 83,5% and cases of early detection of diseases that demonstrated effectiveness of 85%Ingeniero AmbientalPregradoapplication/pdfspaUniversidad Santo TomásPregrado de Ingeniería AmbientalFacultad de Ingeniería AmbientalAtribución-NoComercial-SinDerivadas 2.5 Colombiahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Uso de Aeronaves y Tratamiento Digital de Imágenes para Diagnóstico y Rendimiento de la Producción AgrícolaIngeniería AmbientalImágenes- Digital.Impacto AmbientalUAVsRGBsMonitoreo AgrícolaAnálisis MultiespectralTratamiento Digital de ImágenesDronAgricultural ProductionCropsPrecision AgricultureOrthomosaicTrabajo de Gradoinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisCRAI-USTA BogotáJ. Valenzuela, B. de la Peña, T. Gaytán, “Agricultura 4.0”, Agraria, Edicion especial, No. 1, 2022, Accedido el 26 de marzo de 2024. [En línea]. Disponible: https://doi.org/10.59741/agraria.v19iSE1.4E. Pino, “Los drones una herramienta para una agricultura eficiente: un futuro de alta tecnología”, IDESIA (Chile), , vol. 37, n.º 1, p. 75 - 84, marzo de 2019. Accedido el 26 de marzo de 2024. [En línea]. Disponible: https://doi.org/10.3390/agriculture1308159A. Benedikter, P. Laderach, A. Eitzinger, S. Cook, A. Quiroga, A. Pantoja, M. Bruni, “Cambio climático mundial y cadena de suministro de alimentos: Política para la adaptación colectiva”, CIAT Politics en Sintesis, No. 11, septiembre 2013. Accedio el 20 de marzo de 2024. [en línea]. Disponible: https://cgspace.cgiar.org/server/api/core/bitstreams/132f41a2-0883-4fcf-84df-202fa62651ac/contentE. M. B. M. Karunathilake, A. T. Le, S. Heo, Y. S. Chung y S. Mansoor, “The Path to Smart Farming: Innovations and Opportunities in Precision Agriculture”, Agriculture, vol. 13, n.º 8, p. 1593, agosto de 2023. Accedido el 30 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.3390/agriculture1308159J. Wieme, K. Mollazade, I. Malounas, M. Zude, M. Zhao, A. Gowen, D. Argypoulos, S. Fountas, J. Van, “Application of Hyperspectral imaging systems and artificial intelligence for quality assessment of fruit, vegetables and mushrooms: a review”, Biosystems Engineering, vol. 222, p. 156, julio de 2022. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.1016/j.biosystemseng.2022.07.013S. Lorduy, “Generación de ortotmágenes usando vehículos aéreos no tripulados aplicado a la agricultura” Tesis de grado. Departameno de ciencias físicas. Universidad EAFIT. Medellin. Colombia. 2017. Tomado de: https://repository.eafit.edu.co/server/api/core/bitstreams/a467a31b-85a9-441d-b50b-48c23c158e60/contentGalvez, C. Co-word analysis applied to highly cited papers in Library and Information Science (2007-2017). TransInformação, Campinas, 30(3):277-286, set./dez., 2018. Accedido el 02 de octubre de 2024. [En línea]. Disponible: https://www.scielo.br/j/tinf/a/RgynpHSFbrMk4PFG55bGfwr/?format=pdf&lang=esEurostat, 2017. “Archive:Productos agrícolas”. Marzo de 2017 Accedido el 02 de febrero de 2024. [En línea]. Disponible: https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Archive:Productos_agr%C3%ADcolasM. Chakraborty, A. Pourreza, X. Zhang, H. Jafarbiglu, K. A. Shackel y T. DeJong, “Early almond yield forecasting by bloom mapping using aerial imagery and deep learning”, Comput. Electron. Agriculture, vol. 212, p. 108063, septiembre de 2023. Accedido el 26 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.1016/j.compag.2023.108063K. Zhichkin, V. Nosov, L. Zhichkina, O. Anichkina, I. Borodina y A. Beketov, “Efficiency of using drones in agricultural production”, E3S Web Conf., vol. 381, p. 01048, 2023. Accedido el 26 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.1051/e3sconf/202338101048F. Reuter, A. Pedenovi, “Drones y sus aplicaciones a la ingeniería”, SERIE DIDÁCTICA, No. 43, marzo de 2019. Accedio 26 de marzo de 2024. Departameno de ciencias físicas. Disponible: https://fcf.unse.edu.ar/wp-content/uploads/2014/07/SD-43-Drones-y-su-aplicacion-a-la-ingenieria-REUTER_r.pdfM. H. M. Ghazali, A. Azmin y W. Rahiman, “Drone implementation in precision agriculture – A survey”, Int. J. Emerg. Technol. Adv. Eng., vol. 12, n.º 4, pp. 67–77, abril de 2022. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.46338/ijetae0422_10C. Marty, S. Khare, S. Rossi, J. Lafond, M. Boivin y M. C. Paré, “Detection of management practices and cropping phases in wild lowbush blueberry fields using multispectral UAV data”, Can. J. Remote Sens., pp. 1–12, mayo de 2022. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.1080/07038992.2022.2070144A. B. Valluvan, R. Raj, R. Pingale y A. Jagarlapudi, “Canopy height estimation using drone-based RGB images”, Smart Agricultural Technol., p. 100145, diciembre de 2022. Accedido el 26 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.1016/j.atech.2022.100145A. W. Herr et al., “UAS imagery for phenotyping in cotton, maize, soybean, and wheat breeding”, Crop Sci., junio de 2023. Accedido el 26 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.1002/csc2.21028L. Anfruns Espuña, “Uso y aplicación de sensores RGB y multiespectral embarcados en dron para la monitorización del cultivo de café”, GeoFocus Rev. Int. Cienc. Tecnol. Informacion Geogr., vol. 31, pp. 5–38, julio de 2023. Accedido el 26 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.21138/gf.800A. Vázquez-Ramírez, D. Mújica-Vargas, A. Luna-Álvarez, M. Matuz-Cruz y J. d. J. Rubio, “Real-Time detection of bud degeneration in oil palms using an unmanned aerial vehicle”, Eng, vol. 4, n.º 2, pp. 1581–1596, mayo de 2023. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.3390/eng4020090K. Amores y K. Trelles, “Implemetación de un sistema para detectar la enfermedad de la Sigatoka negra en una plantación de banano empleando técnicas de visión artificial” tesis de grado. Departamento de ingeniería electrónica. Universidad del AZUAY. Cuenca. Ecuador. 2022. Tomado de: https://dspace.uazuay.edu.ec/bitstream/datos/11682/1/17211.pdfBarrero, O., Perdomo, SA Fusión de imágenes RGB y UAV multiespectrales para la detección de malezas Gramineae en campos de arroz. Agricultura de precisión 19 , 809–822 (2018). Accedido el 07 de febrero de 2024. [En línea]. Disponible: https://doi.org/10.1007/s11119-017-9558-xBerrío, V., Mosquera, J y Alzate, D, “Use of drones for multispectral image analysis in precision agriculture”, @limentech, Ciencia y Tecnología Alimentaria 13(2015) 28-40, Accedido el 07 de febrero de 2024. [En línea]. Disponible: https://core.ac.uk/download/pdf/230755963.pdf [21] R. Hine, “Monitoreo del crecimiento de plantas de piña (Ananas comosus) en los primeros seis meses del cultivo medianamente la estimación de altura con imágenes RGB obtenidas con vehículos aéreos no tripulados” Tesis de grado. Facultad de Ciencias Agroalimentarias. Universidad de Costa Rica. Costa Rica. Tomado de: https://repo.sibdi.ucr.ac.cr/bitstream/123456789/18284/1/45557.pdfN. Dawn et al., “Implementation of artificial intelligence, machine learning, and internet of things (iot) in revolutionizing agriculture: A review on recent trends and challenges”, Int. J. Exp. Res. Rev., vol. 30, pp. 190–218, abril de 2023. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.52756/ijerr.2023.v30.018Á. Székely, T. Szalóki, M. Jancsó, J. Pauk y C. Lantos, “Temporal changes of leaf spectral properties and rapid chlorophyll—a fluorescence under natural cold stress in rice seedlings”, Plants, vol. 12, n.º 13, p. 2415, junio de 2023. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.3390/plants12132415F. L. Macedo et al., “Estimation of productivity and above-ground biomass for corn (zea mays) via vegetation indices in madeira island”, Agriculture, vol. 13, n.º 6, p. 1115, mayo de 2023. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.3390/agriculture13061115S. Martins, R. Lhissou, K. Chokmani y A. Cambouris, “Determining the beginning of potato tuberization period using plant height detected by drone for irrigation purposes”, Agronomy, vol. 13, n.º 2, p. 492, febrero de 2023. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.3390/agronomy13020492W. Yuan, W. Hua, P. H. Heinemann y L. He, “UAV photogrammetry-based apple orchard blossom density estimation and mapping”, Horticulturae, vol. 9, n.º 2, p. 266, febrero de 2023. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.3390/horticulturae9020266B. A. Friesenhahn et al., “Using drones to detect and quantify wild pig damage and yield loss in corn fields throughout plant growth stages”, Wildlife Soc. Bull., abril de 2023. Accedido el 26 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.1002/wsb.1437J. C. S. Vasconcelos et al., “Development and validation of a model based on vegetation indices for the prediction of sugarcane yield”, AgriEngineering, vol. 5, n.º 2, pp. 698–719, abril de 2023. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.3390/agriengineering5020044U. Shafi et al., “Tackling food insecurity using remote sensing and machine learning based crop yield prediction”, IEEE Access, p. 1, 2023. Accedido el 26 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.1109/access.2023.3321020C. Fragassa, G. Vitali, L. Emmi y M. Arru, “A new procedure for combining uav-based imagery and machine learning in precision agriculture”, Sustainability, vol. 15, n.º 2, p. 998, enero de 2023. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.3390/su15020998M. H. M. Ghazali, A. Azmin y W. Rahiman, “Drone implementation in precision agriculture – A survey”, Int. J. Emerg. Technol. Adv. Eng., vol. 12, n.º 4, pp. 67–77, abril de 2022. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.46338/ijetae0422_10B. Al-Rami, K. M. A. Alheeti, W. M. Aldosari, S. M. Alshahrani y S. M. Al-Abrez, “A new classification method for drone-based crops in smart farming”, Int. J. Interact. Mobile Technol. (iJIM), vol. 16, n.º 09, pp. 164–174, mayo de 2022. Accedido el 27 de octubre de 2023. [En línea]. Disponible: https://doi.org/10.3991/ijim.v16i09.30037THUMBNAIL2024sarasanchez.pdf.jpg2024sarasanchez.pdf.jpgIM Thumbnailimage/jpeg7504https://repository.usta.edu.co/bitstream/11634/54801/6/2024sarasanchez.pdf.jpg69d9d55d5d17a9fd4fe53d61f452ebd8MD56open access2024cartadefacultad.pdf.jpg2024cartadefacultad.pdf.jpgIM Thumbnailimage/jpeg6286https://repository.usta.edu.co/bitstream/11634/54801/7/2024cartadefacultad.pdf.jpg5f69e80f209c74a70708fed7a26293e8MD57open access2024cartadederechosdeautor.pdf.jpg2024cartadederechosdeautor.pdf.jpgIM Thumbnailimage/jpeg7778https://repository.usta.edu.co/bitstream/11634/54801/8/2024cartadederechosdeautor.pdf.jpg1aa06fa2a965fc2847232fdc3db9c9c4MD58open accessORIGINAL2024sarasanchez.pdf2024sarasanchez.pdfapplication/pdf1018399https://repository.usta.edu.co/bitstream/11634/54801/1/2024sarasanchez.pdf6496d65e60bb68df05d40ebbe19187b9MD51open access2024cartadefacultad.pdf2024cartadefacultad.pdfapplication/pdf474514https://repository.usta.edu.co/bitstream/11634/54801/2/2024cartadefacultad.pdfea17cf9c9e3234dd0268349be2a3b6bfMD52metadata only access2024cartadederechosdeautor.pdf2024cartadederechosdeautor.pdfapplication/pdf207330https://repository.usta.edu.co/bitstream/11634/54801/3/2024cartadederechosdeautor.pdff5309356f4be89748b5551c41b63a49cMD53metadata only accessCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repository.usta.edu.co/bitstream/11634/54801/4/license_rdf217700a34da79ed616c2feb68d4c5e06MD54open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8807https://repository.usta.edu.co/bitstream/11634/54801/5/license.txtaedeaf396fcd827b537c73d23464fc27MD55open access11634/54801oai:repository.usta.edu.co:11634/548012024-04-24 03:22:28.795open accessRepositorio Universidad Santo Tomásnoreply@usta.edu.coQXV0b3Jpem8gYWwgQ2VudHJvIGRlIFJlY3Vyc29zIHBhcmEgZWwgQXByZW5kaXphamUgeSBsYSBJbnZlc3RpZ2FjacOzbiwgQ1JBSS1VU1RBCmRlIGxhIFVuaXZlcnNpZGFkIFNhbnRvIFRvbcOhcywgcGFyYSBxdWUgY29uIGZpbmVzIGFjYWTDqW1pY29zIGFsbWFjZW5lIGxhCmluZm9ybWFjacOzbiBpbmdyZXNhZGEgcHJldmlhbWVudGUuCgpTZSBwZXJtaXRlIGxhIGNvbnN1bHRhLCByZXByb2R1Y2Npw7NuIHBhcmNpYWwsIHRvdGFsIG8gY2FtYmlvIGRlIGZvcm1hdG8gY29uCmZpbmVzIGRlIGNvbnNlcnZhY2nDs24sIGEgbG9zIHVzdWFyaW9zIGludGVyZXNhZG9zIGVuIGVsIGNvbnRlbmlkbyBkZSBlc3RlCnRyYWJham8sIHBhcmEgdG9kb3MgbG9zIHVzb3MgcXVlIHRlbmdhbiBmaW5hbGlkYWQgYWNhZMOpbWljYSwgc2llbXByZSB5IGN1YW5kbwptZWRpYW50ZSBsYSBjb3JyZXNwb25kaWVudGUgY2l0YSBiaWJsaW9ncsOhZmljYSBzZSBsZSBkw6kgY3LDqWRpdG8gYWwgdHJhYmFqbyBkZQpncmFkbyB5IGEgc3UgYXV0b3IuIERlIGNvbmZvcm1pZGFkIGNvbiBsbyBlc3RhYmxlY2lkbyBlbiBlbCBhcnTDrWN1bG8gMzAgZGUgbGEKTGV5IDIzIGRlIDE5ODIgeSBlbCBhcnTDrWN1bG8gMTEgZGUgbGEgRGVjaXNpw7NuIEFuZGluYSAzNTEgZGUgMTk5Mywg4oCcTG9zIGRlcmVjaG9zCm1vcmFsZXMgc29icmUgZWwgdHJhYmFqbyBzb24gcHJvcGllZGFkIGRlIGxvcyBhdXRvcmVz4oCdLCBsb3MgY3VhbGVzIHNvbgppcnJlbnVuY2lhYmxlcywgaW1wcmVzY3JpcHRpYmxlcywgaW5lbWJhcmdhYmxlcyBlIGluYWxpZW5hYmxlcy4K |