Estimación de la cobertura vegetal a partir de imágenes rgb obtenidas desde un dron

• Mariana de Jesús Marcial-Pablo ^[1] ; Cristo Omar Puente-Valenzuela ^[1] ; Ignacio Sánchez-Cohen ^[1] ; Miguel Rivera-González ^[1] ; Sergio Iván Jiménez-Jiménez ^[1]
  1. [1] Instituto Nacional de Investigaciones Forestales Agrícolas y Pecuarias

     Instituto Nacional de Investigaciones Forestales Agrícolas y Pecuarias

     México

     
• Localización: Agrofaz: publicación semestral de investigación científica, ISSN 1665-8892, Vol. 1, Nº. Extra 1 (Nº Especial), 2019, págs. 102-108
• Idioma: español
• Títulos paralelos:
  • Estimation of plant coverage from rgb images obtained from a drone
• Enlaces
  • Texto Completo Ejemplar
• Resumen
  • español

    La agricultura de precisión es una herramienta de mucha importancia debido a que permite evaluar la cobertura vegetal durante el desarrollo de un cultivo. La determinación de la cobertura vegetal con sensores remotos usando las plataformas tradicionales como son los satélites y aviones presentan el inconveniente de la baja resolución espacial y temporal en las imágenes. Una alternativa para obtener imágenes de alta resolución espacial y temporal es la implementación de vehículos aéreos no tripulados (VANTs) o drones equipados con cámaras digitales. En imágenes de alta resolución espacial, es necesario identificar a los píxeles que contienen vegetación y de los que contienen otro tipo de cubierta. En base a lo anterior el objetivo principal de este trabajo es estimar la cobertura vegetal del cultivo de maíz mediante algoritmos de segmentación de imágenes (Otsu y Otsu- Valley) e índices de color como el índice exceso de verde (ExG) y el de extracción de la vegetación (CIVE) obtenido de las imágenes adquiridas desde un dron en la etapa intermedia de crecimiento del cultivo. Los resultados indican que el valor umbral calculado con el algoritmo de Otsu- Valley permitió estimar la fracción de la cobertura vegetal con una mayor precisión con respecto al algoritmo de Otsu; para el caso del algoritmo de Otsu- Valley la precisión fue mayor al 90% tanto para el ExG como para el CIVE.

  • English

    Precision farming is a very important tool because it allows to evaluate the plant cover during the development of a crop. The determination of plant cover with remote sensors using traditional platforms such as satellites and aircraft present the disadvantage of low spatial and temporal resolution in images. An alternative to obtaining high-resolution space and temporal images is the implementation of unmanned aerial vehicles (UADs) or drones equipped with digital cameras. In high-resolution spatial images, it is necessary to identify pixels that contain vegetation and pixels that contain another type of cover. Based on the above the main objective of this work is to estimate the plant cover of maize cultivation using image segmentation algorithms (Otsu and Otsu- Valley) and color indices such as the excess green index (ExG) and the vegetation extraction index (Civ) E) obtained from images acquired from a drone at the intermediate stage of crop growth. The results indicate that the threshold value calculated using the Otsu- Valley algorithm allowed the fraction of the plant cover to be estimated more accurately with respect to the Otsu algorithm; for the OtsuValley algorithm case the accuracy was greater than 90% for both ExG and CIVE.