Pasar al contenido principal

DESARROLLO Y EVALUACION DE TECNOLOGIAS BASADAS EN UAV Y OBIA PARA LA DETECCION DE MALAS HIERBAS Y OPTIMIZAR SU GESTION

AGL2014-52465-C4-4-R

•
Nombre agencia financiadora Ministerio de Economía y Competitividad
Acrónimo agencia financiadora MINECO
Programa Programa Estatal de I+D+i Orientado a los Retos de la Sociedad
Convocatoria Proyectos I+D+i Retos de Investigación
Año convocatoria 2014
Plan Estatal 2013-2016 Plan Estatal de Investigación Científica y Técnica y de Innovación
Unidad de gestión Secretaría de Estado de Educación, Formación Profesional y Universidades
Centro beneficiario AGENCIA ESTATAL CONSEJO SUPERIOR DE INVESTIGACIONES CIENTIFICAS (CSIC)
Identificador persistente http://dx.doi.org/10.13039/501100003329

Resultados relacionados

Resultados totales (Incluyendo duplicados): 9
Encontrada(s) 1 página(s)

DIGITAL.CSIC. Repositorio Institucional del CSIC
Publicación Contribución de congreso (ConferenceOutput)

Detección de grama (Cynodon dactylon) en viña mediante imágenes adquiridas por un vehículo aéreo no tripulado (UAV)

  • Castro, Ana Isabel de
  • Peña Barragán, José Manuel
  • Torres-Sánchez, Jorge
  • Jiménez-Brenes, Francisco Manuel
  • Valencia, Francisco
  • López Granados, Francisca
Trabajo presentado a las II Jornadas del Grupo de Viticultura y Enología (SECH), celebradas en Madrid el 3 y 4 de noviembre de 2016., equilibrar el vigor y rendimiento de la viña, resultando en una mejora de la calidad de la cosecha. Un problema creciente de este sistema de cultivo es el aumento de las poblaciones de la mala hierba gramínea Cynodon dactylon, especie perenne altamente competitiva y difícilmente controlable. El objetivo de este trabajo consistió en la detección en época temprana de C. dactylon en viñedos con cubierta vegetal y, seguidamente, el diseño de mapas de tratamiento localizado aplicando tecnología basada en vehículos aéreos no tripulados (UAV). El trabajo se realizó en parcelas de viña localizadas en Raimat (Lleida), en donde se tomaron imágenes con el UAV en Febrero-2016, coincidiendo con la parada vegetativa de la grama. Aplicando técnicas de análisis de imágenes basado en objetos, se desarrolló un algoritmo que permitió la clasificación automática de las imágenes en cuatro clases principales (viña, suelo desnudo, grama y cubierta vegetal) y la generación de mapas de grama para su control localizado. La aplicación de estas técnicas de viticultura de precisión de forma prolongada (2-3 años agrícolas), además de disminuir el coste económico y medioambiental del tratamiento, podría erradicar la mala hierba y favorecer el paso a producción ecológica, aumentando su valor añadido., Esta investigación fue financiada por el proyecto AGL2014-52465-C4-4R (Ministerio de Economía y Competitividad, fondos FEDER: Fondo Europeo de Desarrollo Regional). La investigación de Jorge Torres-Sánchez y el Dr. José M. Peña fue financiada por los programas FPI (BES-2012-052424) y Ramón y Cajal (MINECO), respectivamente., Peer Reviewed
DIGITAL.CSIC. Repositorio Institucional del CSIC
Publicación Contribución de congreso (ConferenceOutput)

Caracterización 3-D de viñas mediante imágenes procedentes de un vehículo aéreo no tripulado para el diseño de tratamientos localizados

  • Torres-Sánchez, Jorge
  • López Granados, Francisca
  • Castro, Ana Isabel de
  • Jiménez-Brenes, Francisco Manuel
  • Peña Barragán, José Manuel
Trabajo presentado a las II Jornadas del Grupo de Viticultura y Enología (SECH), celebradas en Madrid el 3 y 4 de noviembre de 2016., El manejo localizado de cultivos tiene como objetivo reducir la cantidad de insumos aplicados al campo, racionalizando los tratamientos según las necesidades reales derivadas de un análisis pormenorizado del cultivo. Este tipo de manejo implica un ahorro de costes para el agricultor e importantes beneficios medioambientales al reducirse el uso excesivo de agroquímicos. Antes del diseño de los tratamientos localizados es necesaria una completa y exacta caracterización morfológica del cultivo, tarea para la cual los vehículos aéreos no tripulados (conocidos como drones o UAVs) son una de las mejores opciones debido a que pueden tomar información en el momento deseado y con una resolución espacial muy elevada. En el presente trabajo se utilizó un multirrotor volando a 30 m de altura para capturar imágenes con una cámara convencional (RGB: rango visible) de bajo coste sobre dos parcelas comerciales de viña. Las imágenes fueron procesadas para obtener el modelado 3D del cultivo, tras lo que se diseñó un algoritmo de análisis de imagen completamente automatizado para la clasificación de la viña, su caracterización 3D y la detección de huecos en las hileras de cultivo. La validación de los resultados demostró una precisión cercana al 90 % en la clasificación de la viña y al 100 % en la detección de huecos. Además, la estimación de la altura de la viña tuvo un error medio cuadrático de 0,14 m., Esta investigación fue financiada por el proyecto AGL2014-52465-C4-4-R (Ministerio de Economía y Competitividad, fondos FEDER: Fondo Europeo de Desarrollo Regional). La investigación de Jorge Torres-Sánchez y el Dr. José M. Peña fue financiada por los programas FPI (BES-2012-052424) y Ramón y Cajal (MINECO), respectivamente., Peer Reviewed
DIGITAL.CSIC. Repositorio Institucional del CSIC
Publicación Contribución de congreso (ConferenceOutput)

Detección automática de vegetación en estado de plántulas en imágenes procedentes de un vehículo aéreo no tripulado (UAV): aplicación para la discriminación de malas hierbas, Automatic detection of vegetation in early season for weed detection in UAV images

  • Torres-Sánchez, Jorge
  • Peña Barragán, José Manuel
  • Serrano Pérez, Angélica
  • López Granados, Francisca
Trabajo presentado en el XV Congreso de la Sociedad Española de Malherbologia (SEMh), celebrado en Sevilla del 19 al 22 de octubre de 2015., [ES] Investigaciones recientes han demostrado la capacidad de las imágenes procedentes de vehículos aéreos no tripulados (UAV) para la cartografía de malas hierbas en fase de plántula, entre otros usos. El primer paso para su detección es la discriminación de suelo desnudo y vegetación (malas hierbas + cultivo). Para ello, es necesario definir un método que calcule automáticamente el umbral óptimo del índice de vegetación que facilita su detección. Uno de los métodos de cálculo de umbrales más extendido es el método de Otsu. Se presenta la adaptación de este método a un entorno de análisis de imagen orientado a objetos para su utilización en imágenes UAV de girasol, maíz y trigo tomadas con dos sensores de distinto rango espectral a bordo de un UAV. Se obtuvieron valores de R2 en torno a 0,7 para la relación entre la vegetación observada y la detectada automáticamente., [EN] Recent research has demonstrated the ability of Unmanned Aerial Vehicle (UAV) images for weed mapping in early season. First step is the discrimination between bare soil and vegetation (weeds + crop) throughout the definition of a method for optimal thresholding of the vegetation indices that allows vegetation detection. One of the best known thresholding procedures is the Otsu’s method. The adaptation of this method to an Object-based image analysis framework is presented for its application for vegetation detection in UAV images acquired over sun flower, maize and wheat crop. R2 values about 0.7 were achieved for the regression between observed and automatically detected vegetation., Este trabajo fue financiado por el proyecto AGL2014-52465-C4-4-R MINECO-FEDER. La investigación de Jorge Torres Sánchez y José Manuel Peña Barragán fue financiada por los programas FPI y Ramón y Cajal, respectivamente., No
DIGITAL.CSIC. Repositorio Institucional del CSIC
Publicación Contribución de congreso (ConferenceOutput)

Cartografía de Cynodon dactylon en viñedo mediante imágenes UAV y tecnología OBIA para un uso sostenible y localizado de herbicidas, Mapping Cynodon dactylon in vineyard by using UAV-images and OBIA technology for site-specific weed management

  • Castro, Ana Isabel de
  • Peña Barragán, José Manuel
  • Torres-Sánchez, Jorge
  • Jiménez-Brenes, Francisco Manuel
  • Recasens, Jordi
  • Valencia, Francisco
  • López Granados, Francisca
Trabajo presentado en el XVI Congreso de la Sociedad Española de Malherbología, celebrado en Pamplona-Iruña, entre los días 25 y 27 de octubre de 2017., [ES] El manejo adecuado de las cubiertas vegetales en viñedos de regadío protege el suelo de la erosión y permite equilibrar el vigor y rendimiento de la viña, lo que redunda en una mejora de la calidad de la cosecha. Estas ventajas quedan mermadas con las infestaciones de grama (Cynodon dactylon) en las cubiertas, una especie perenne, altamente competitiva y difícilmente controlable. El objetivo de este trabajo consistió en la detección temprana y mapeo de C. dactylon en viñedos con cubierta vegetal mediante el uso de imágenes UAV (vehículos aéreos no tripulados) y técnicas de análisis de imágenes basadas en objetos (OBIA). El algoritmo desarrollado permitió la clasificación de los 4 usos principales presentes en el viñedo (viña, suelo desnudo, grama y cubierta vegetal) y la generación de mapas de grama para su control localizado, disminuyendo de esta manera el coste económico y medioambiental del tratamiento., [EN] The use of cover crops is a usual management practice for irrigated vineyards that allows controlling vineyard vigor and yield, also improving the crop quality. However, those advantages have been reduced by bermudagrass (C. dactylon) populations infesting cover crop areas. Bermudagrass is a perennial, very competitive grass and tolerant of reap, pretty difficult to control. The objective of this research was the early mapping of C. dactylon patches in order to provide an optimized site-specific weed management. Object-based image analysis (OBIA) techniques applied to unmanned aerial vehicle (UAV) imagery solved the limitation of spectral similarity between bermudagrass and cover crops or bare soil. The classified maps showed the four main classes in the vineyard (vine, cover crop, C. dactylon and bare soil) with 85% overall accuracy, that allow developing new strategies for site-specific control of C. dactylon infestations and decreasing economical and environmental costs., Esta investigación fue financiada por el proyecto AGL2014-52465-C4-4-R (Ministerio de Economía y Competitividad, fondos FEDER: Fondo Europeo de Desarrollo Regional). La investigación del Dr. Jorge Torres-Sánchez, Dr. Ana de Castro y el Dr. José M. Peña fue financiada por los programas FPI (BES-2012-052424), Juan de la Cierva (MINECO) y Ramón y Cajal (MINECO), respectivamente., No
DIGITAL.CSIC. Repositorio Institucional del CSIC
Publicación Contribución de congreso (ConferenceOutput)

Detección temprana de malas hierbas dentro y fuera de la línea de cultivo mediante imágenes- UAV y modelos 3D, Early weed detection between and within the crop row using UAV images and 3D models

  • Torres-Sánchez, Jorge
  • López Granados, Francisca
  • Castro, Ana Isabel de
  • Jiménez-Brenes, Francisco Manuel
  • Peña Barragán, José Manuel
Trabajo presentado en el XVI Congreso de la Sociedad Española de Malherbología, celebrado en Pamplona-Iruña, entre los días 25 y 27 de octubre de 2017., [ES] Se ha desarrollado una metodología automática para la detección temprana de malas hierbas dentro y fuera de la línea de cultivo en fase temprana usando como variable discriminante la altura de las plantas (cultivo y malas hierbas), calculada mediante técnicas fotogramétricas. Se utilizó un UAV equipado con una cámara modificada para captar información en las bandas del Rojo, Verde e Infrarrojo Cercano. Se tomaron imágenes sobre una parcela de girasol infestada por diferentes especies de malas hierbas en fase temprana. Las imágenes fueron procesadas para generar una ortoimagen y un modelo tridimensional del cultivo y malas hierbas para su posterior análisis usando métodos orientados a objetos y el clasificador Random Forest. Se comparó la infestación de malas hierbas detectada con la realmente existente en el campo en una serie de marcos de referencia, obteniéndose un coeficiente de determinación de 0,91 entre ambas variables., [EN] An automatic methodology for early season weed detection between and within the crop rows has been developed, where the main innovation was the use of plant height as discriminant feature. An UAV equipped with a conventional camera modified for R (red), G (green) and NIR (near infrared) acquisition was used for taken images over a sunflower plot infested with different weed species in early season. The images were processed to generate an orthomosaic and a digital surface model (DSM) representing both the crop and weeds, and they were analyzed using object based image analysis (OBIA) and Random Forest classifier. Automatically detected weed cover was compared with the real weed cover in the field in a number of reference frames, and the determination coefficient between both variables was 0.91., Este trabajo fue financiado por el proyecto AGL2014-52465-C4-4-R MINECO-FEDER. La investigación de Jorge Torres Sánchez, Ana Isabel de Castro Megías y José Manuel Peña Barragán fue financiada por los programas FPI, Juan de la Cierva, y Ramón y Cajal, respectivamente. La estancia de Jorge Torres Sánchez en la Universidad de Salzburgo fue financiada por el programa FPI., No
DIGITAL.CSIC. Repositorio Institucional del CSIC
Publicación Contribución de congreso (ConferenceOutput)

Optimización de la cartografía de malas hierbas mediante técnicas geoestadísticas y teledetección con UAV, Optimization of weed mapping using geostatistical techniques and remote sensing with UAV

  • Jurado-Expósito, Montserrat
  • Castro, Ana Isabel de
  • Torres-Sánchez, Jorge
  • Jiménez-Brenes, Francisco Manuel
  • López Granados, Francisca
Trabajo presentado en el XVI Congreso de la Sociedad Española de Malherbología, celebrado en Pamplona-Iruña, entre los días 25 y 27 de octubre de 2017., [ES] Se evalúa una metodología para la cartografía de malas hierbas en época tardía del cultivo combinando datos espaciales georreferenciados (variable primaria) con información espectral (variables secundarias). Como variable 1ia se ha estudiado Papaver rhoeas L. en trigo y como variables 2ias: las bandas Rojo, Verde, Azul y NIR (Near-InfraRed) de imágenes UAV (Unmanned Aerial Vehicles) tomadas en campo el día del muestreo. Se comparan dos tipos de estimadores: krigeado ordinario (análisis de la variable 1iª) y cokrigeado (análisis incorporando variables 2ias). La comparación de la precisión de los mapas de infestación obtenidos se ha realizado en base a la incertidumbre de las estimas. Los resultados muestran que la incorporación de variables secundarias espectrales al proceso de interpolación geoestadística mejora la estimación de la variable 1ia, especialmente cuando se incluye en el análisis la banda Verde., [EN] A methodology for late weed mapping combining georeferenced spatial data (1st variable) with spectral information (2nd variables) is evaluated. The Papaver rhoeas L. spatial data in wheat was used as1st variable and Red, Green, Blue and NIR bands from UAV images as 2nd variables. Two types of algorithms were compared: Ordinary Kriging (analysis of 1st variable) and CoKriging (to incorporate the 2nd variables). Comparison of infestations maps accuracy was based on cross validation statistics. Results showed that including spectral secondary variables into geostatistical analysis improves the accuracy of 1st variable estimations, especially when band G is included as 2nd variable., Estudio financiado por el proyecto AGL2014-52465-C4-4-R MINECO-FEDER. Agradecemos al Dr. Recasens y su grupo su valiosa ayuda en las prospecciones de campo. La investigadora Dr. Ana Isabel de Castro fue financiada por el programas Juan de la Cierva (MINECO)., No
DIGITAL.CSIC. Repositorio Institucional del CSIC
Publicación Contribución de congreso (ConferenceOutput)

Principales variables para la detección de plántulas de amapola (Papaver rhoeas) en imágenes tomadas con un vehículo aéreo no tripulado, Main features for the detection of Papaver rhoeas seedlings in images collected with an unmanned aerial vehicle

  • Peña Barragán, José Manuel
  • Castro, Ana Isabel de
  • Torres-Sánchez, Jorge
  • Jiménez-Brenes, Francisco Manuel
  • Valencia, Francisco
  • López Granados, Francisca
Trabajo presentado en el XVI Congreso de la Sociedad Española de Malherbología, celebrado en la Universidad Pública de Navarra, Pamplona-Iruña, entre los días 25 y 27 de octubre de 2017., [ES] En este trabajo se han evaluado variables espectrales, morfológicas (forma, tamaño), contextuales (posición) y texturales que permitan desarrollar un procedimiento automático de clasificación de plántulas de amapola, otras malas hierbas, cultivo y suelo desnudo en imágenes adquiridas con un vehículo aéreo no tripulado (UAV). Las imágenes se tomaron con una cámara modificada para la obtención de información en infrarrojo-color y a una resolución espacial de 0,60 cm/píxel. Se aplicaron técnicas avanzadas de análisis de imágenes basadas en objetos para la obtención de las variables descritas y se desarrolló un modelo tipo árbol de decisión para cuantificar la importancia de cada variable en la clasificación. Los resultados indicaron que la información espectral basada en el índice de vegetación de diferencias normalizadas (NDVI, por sus siglas en inglés) aportó un 46% al modelo de clasificación, principalmente para la discriminación de objetos de vegetación y suelo desnudo. Por otra parte, para la identificación de las plántulas de amapola fue necesario incorporar además variables morfológicas (principalmente, el área [tamaño] del objeto, que aportó un 36% al modelo) y texturales (p.ej., textura media y entropía, con un 11% de contribución en el modelo). Por su parte, la distancia relativa de los objetos a la línea de cultivo tuvo escasa importancia en la clasificación total., [EN] A group of spectral, morphological (shape-based, size), contextual (location), and textural features were evaluated with the aim of automatic classification of Papaver rhoeas seedlings, other weeds, crop plants and bare soil in images collected with an unmanned aerial vehicle (UAV). The images were taken with a color-infrared modified camera at 0,60 cm/pixel of spatial resolution. The features were obtained by applying advanced object-based images techniques, and their contribution to the classification was analyzed with decision tree modeling. Spectral information from the normalized difference vegetation index (NDVI) contributed 46% to the model, mainly due to its capacity to discriminate vegetation and bare soil objects. Additionally, identification of Papaver rhoeas seedlings was possible by incorporating morphological (mainly object size, which contributed to 36% to the model) and textural features (e.g., mean and entropy, which contributed to 11% to the model). Finally, relative distance of the objects to the crop-rows had a low importance in the total classification results., Investigación financiada por el proyecto MINECO AGL2014-52465-C4-4R. La investigación de Dr. José M. Peña, Dr. Ana de Castro y Dr. Jorge Torres-Sánchez fue financiada por los programas Ramón y Cajal (MINECO), Juan de la Cierva (MINECO) y FPI (BES-2012-052424), respectivamente, No
DIGITAL.CSIC. Repositorio Institucional del CSIC
Publicación Contribución de congreso (ConferenceOutput)

Cuantificación de la influencia de la poda sobre la arquitectura 3D del olivo mediante tecnología UAV

  • Jiménez-Brenes, Francisco Manuel
  • López Granados, Francisca
  • Torres-Sánchez, Jorge
  • Castro, Ana Isabel de
  • Serrano, Nicolás
  • Peña Barragán, José Manuel
Comunicaciones Científicas Simposium Expoliva 2017. Jaén (España), 10-12 mayo., El tipo y la intensidad de la poda del olivo modifican la copa del árbol con diferente grado de severidad lo que afecta al crecimiento y a la calidad de su fruto. En esta investigación se ha desarrollado un conjunto tecnológico que consiste en la combinación de la adquisición de imágenes procedentes de un vehículo aéreo no tripulado (UAV) y el correspondiente análisis de dichas imágenes basado en objetos (OBIA). El objetivo de este trabajo ha sido la monitorización 3D de cada uno de los árboles de una parcela de olivar en la que se llevaron a cabo tres tratamientos distintos de poda (tradicional, adaptada y mecanizada). Se realizaron tres vuelos UAV sobre la parcela en tres momentos diferentes (antes de la poda, un mes después de la poda y un año después de la poda) y se analizaron 3 variables geométricas: altura, área proyectada y volumen de copa de cada árbol. Los resultados obtenidos muestran que existen diferencias significativas entre las variables geométricas analizadas dependiendo de la poda, siendo los olivos bajo poda tradicional los que registraron mayores crecimientos de altura, área proyectada y volumen. Debido a que actualmente no existen referencias científicas que cuantifiquen los efectos de la poda con tecnología UAV y algoritmos de clasificación OBIA, este trabajo tiene potencialidad para aplicaciones en otros cultivos leñosos., Esta investigación fue financiada por el proyecto AGL2014-52465-C4-4-R (Ministerio de Economía y Competitividad, fondos FEDER: Fondo Europeo de Desarrollo Regional). La investigación del Dr. Jorge Torres-Sánchez, Dr. Ana de Castro y el Dr. José M. Peña fue financiada por los programas FPI (BES-2012-052424), Juan de la Cierva (MINECO) y Ramón y Cajal (MINECO), respectivamente., No
DIGITAL.CSIC. Repositorio Institucional del CSIC
Publicación Contribución de congreso (ConferenceOutput)

Mapping Cynodon dactylon in vineyards using UAV images for site-specific weed control

  • Castro, Ana Isabel de
  • Peña Barragán, José Manuel
  • Torres-Sánchez, Jorge
  • Jiménez-Brenes, Francisco Manuel
  • López Granados, Francisca
Paper presented at the 11th European Conference on Precision Agriculture (ECPA 2017), John McIntyre Centre, Edinburgh, UK, July 16–20 2017)., In Spain, the use of annual cover crops is a crop management practice for irrigated vineyards that allows controlling vineyard vigor and yield, which also leads to improve the crop quality. Recently, Cynodon dactylon (bermudagrass) has been reported to infest those cover crops and colonize the grapevine rows, resulting in significant yield and economic losses due to the competition for water and nutrients. From timely unmanned aerial vehicle (UAV) imagery, the objective of this research was to map C. dactylon patches in order to provide an optimized site-specific weed management. A quadrocopter UAV equipped with a point-and-shoot camera was used to collect a set of aerial red-green-blue (RGB) images over a commercial vineyard plot, coinciding with the dormant period of C. dactylon (February 2016). Object-based image analysis (OBIA) techniques were used to develop an innovative algorithm for early discrimination and mapping of C. dactylon, which had the ability to solve the limitation of spectral similarity of this weed with cover crops or bare soil. As a general result, the classified maps of the studied vineyard showed four main classes, i.e. vine, cover crop, C. dactylon and bare soil, with 85% overall accuracy. These weed maps allow developing new strategies for site-specific control of C. dactylon populations in the context of precision viticulture., This research was partly financed by the AGL2014-52465-C4-4R project (Spanish Ministry of Economy and Competition, FEDER Funds). Research of Dr. de Castro, Dr. Peña and Dr. Torres-Sánchez were financed by the Juan de la Cierva, Ramón y Cajal and FPI (MINECO), Programs, respectively., Peer reviewed