Unsupervised Segmentation of Agricultural Crops in UAV RGB Images

• Eduardo Garea LLano ^[1] ; Dailé Osorio Roig ^[1] ; Yasser Chacón Cabrera ^[1]
  1. [1] DATYS División de Investigaciones CENATAV
• Localización: Revista Cubana de Ciencias Informáticas, ISSN-e 2227-1899, Vol. 12, Nº. 4, 2018
• Idioma: inglés
• Títulos paralelos:
  • Segmentación no supervisada de Cultivos Agrícolas en imágenes de Vehículos Aéreos No tripulados.
• Enlaces
  • Texto completo
• Resumen
  • English

    Crop inventory is a precision agricultural task that allows for the planning and estimation of yields per hectare cultivated. The use of Unmanned Aerial Vehicles (UAV) has gained a great boom in the development of these applications given its low cost and fast possibilities of obtaining quality images. This paper presents a method for unsupervised segmentation of agricultural UAV RGB color images. We propose the combination of a set of texture features under a segmentation framework, based on the active contour without edges model with level set representation and a connected component filtering strategy. The experiments show that it can be applied for the segmentation of agricultural crops, with an average segmentation quality of 90%. It exceeds in efficacy other methods of supervised segmentation of the state of the art. It was demonstrated the robustness of the approach for images taken with UAVs of low performance which makes cheaper its application with low costs by agricultural producers.

  • English

    El inventario de cultivos es una tarea agrícola de precisión que permite planificar y estimar los rendimientos por hectárea cultivada. El uso de vehículos aéreos no tripulados ha ganado un gran auge en el desarrollo de estas aplicaciones debido a su bajo costo y rápidas posibilidades de obtener imágenes de calidad. Este artículo presenta un método para la segmentación no supervisada de imágenes a color tomadas por estos vehículos. Proponemos la combinación de un conjunto de características de textura en un marco de segmentación, basado en el contorno activo sin modelo de bordes con representación de nivel y una estrategia de filtrado de componentes conexas. Los experimentos muestran que la propuesta puede ser aplicada para la segmentación de cultivos agrícolas, con una calidad de segmentación media del 90%, la misma supera en eficacia a otros métodos de segmentación supervisada del estado del arte. Se demostró la robustez del enfoque para imágenes tomadas con vehículos aéreos de bajo costo que hace más barata su aplicación por parte de los productores agrícolas.