Clasificación y cuantificación de maleza en cultivos de hortalizas por medio de procesamiento de imágenes digitales multiespectrales

El muestreo convencional de la cobertura ha sido una de las metodologías más usadas para cuantificar poblaciones de malezas, Sin embargo, presenta una limitación que es la subjetividad o los sesgos entre los evaluadores. Para esto se propone la creación de un software que por medio de procesamiento...

Full description

Autores:
Puerto Lara, Andrés Esteban
Tipo de recurso:
Fecha de publicación:
2018
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/62958
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/62958
http://bdigital.unal.edu.co/62315/
Palabra clave:
62 Ingeniería y operaciones afines / Engineering
63 Agricultura y tecnologías relacionadas / Agriculture
Malezas
Multiespectral
Clustering
Hog
C-mean difuso
K-means
SVM
Multiespectral
Muestreo de malezas
Fuzzy C-means
K-means
Weed sampling
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
Description
Summary:El muestreo convencional de la cobertura ha sido una de las metodologías más usadas para cuantificar poblaciones de malezas, Sin embargo, presenta una limitación que es la subjetividad o los sesgos entre los evaluadores. Para esto se propone la creación de un software que por medio de procesamiento de imágenes multiespectrales permita calcular coberturas de maleza en áreas determinadas por el usuario. Este sistema está basado en algoritmos de clustering y máquinas de soporte vectorial que calculan el área de pıxeles detectados como componentes de maleza para obtener un porcentaje de cobertura dentro de una región de interés. Finalmente, a partir de estos datos se construyen modelos que permitan ser instalados en un sistema embebido como el Raspberry Pi que se desempeñarían como unidades centrales de un sistema autónomo con la posibilidad de realizar tareas de manera autónoma como por ejemplo la aplicación de herbicidas. Este trabajo se validó a través de expertos en malherbología que estimaron malezas visualmente y se compararon con los resultados del software, los resultados de las estimaciones humano software entregaron desviaciones estándar de hasta el 24 % entre evaluadores y software lo que da a entender que existe una diferencia muy elevada entre personas y puede impedir una evaluación precisa dentro de un muestreo de malezas sin la ayuda de herramientas tecnológicas, este tipo de información fue analizada con pruebas estadísticas. Por otro lado, se construyeron modelos de clasificación de cultivos y maleza por medio que máquinas de soporte vectorial que entregaron resultados satisfactorios con precisión superior al 90 %. Por último, se realizaron pruebas del software en un experimento agronómico real en donde se calculan coberturas de maleza dentro de un cultivo de arveja para evaluar eficacia de herbicidas, la evaluación se realizó 3 veces cada 12 días para poder obtener la cobertura de maleza alrededor del cultivo bajo los efectos de herbicidas diferentes.