Monitorización del contenido de fósforo del olivo mediante robot terrestre

• Noguera, Miguel ^[1] ; Millan, Borja ^[2] ; Moro, Rocio ; Andújar, José Manuel ^[1]
  1. [1] Universidad de Huelva

     Universidad de Huelva

     Huelva, España

     
  2. [2] Universidad de Oviedo

     Universidad de Oviedo

     Oviedo, España

     
• Localización: Jornadas de Automática, ISSN-e 3045-4093, Nº. 45, 2024
• Idioma: español
• Títulos paralelos:
  • Monitoring of Olive tree Phosphorus Content Using a Ground Robot
• Enlaces
  • Texto completo
• Resumen
  • español

    El olivar es un cultivo de gran importancia en los países de la cuenca mediterránea. En las últimas décadas, el sector olivarero ha experimentado una modernización en busca de incrementar la rentabilidad y productividad de sus explotaciones. En este contexto, la gestión basada en agricultura de precisión está mostrando un potencial prometedor. En este sentido, el presente trabajo muestra una metodología para la caracterización del contenido foliar de P en olivares superintensivos. El método propuesto se basa en redes neuronales artificiales alimentadas con información espectral extraída de imágenes adquiridas por un robot terrestre con capacidad para la navegación autónoma. Para evaluar la metodología propuesta se definió un planteamiento experimental basado en exponer una parcela de olivos superintensivos a tratamientos de fertirriego diferenciales para generar variabilidad en cuanto al contenido foliar de P.  El índice de correlación entre los valores de obtenidos por análisis químico y la respuesta del modelo (R2=0.72) sugieren la idoneidad de la metodología propuesta.

  • English

    The olive grove is a crop of great importance for the agronomic sector in the countries of the Mediterranean basin. In the last decades, the olive sector has undergone modernisation in order to increase the profitability and productivity of its crop systems. In this context, management approaches based on precision agriculture are showing promising potential. In this sense, the present work shows a methodology for the characterisation of leaf P content in super-intensive olive orchards. The proposed method is based o nartificial neural networks fed with spectral information extracted from images acquired by a terrestrial robot with autonomous navigation capabilities. To evaluate the proposed methodology, an experimental approach was defined based on exposing a plot of super-intensive olive trees to differential fertigation treatments to generate variability in leaf P content. The correlation index between the reference values obtained by chemical analysis and the response of the developed model (R2 = 0.72) suggests the suitability of the proposed methodology.