Identificación de surcos, seguimiento y mapeo de cultivos apoyado en una plataforma aérea
Dada la importancia que representa el sector agrícola para Colombia y los distintos avances e investigaciones que se han realizado con respecto a la agricultura de precisión, para el presente proyecto se decidió hacer uso de tecnologías que permitieran realizar la exploración de un cultivo simulado,...
- Autores:
-
Prieto Pedraza, Diego Alejandro
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2021
- Institución:
- Universidad Militar Nueva Granada
- Repositorio:
- Repositorio UMNG
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unimilitar.edu.co:10654/41111
- Acceso en línea:
- http://hdl.handle.net/10654/41111
- Palabra clave:
- CULTIVOS
DETECCION POR RADAR
PROCESAMIENTO DE IMAGENES
detection
follow
crop
furrow
obstacle
aerial platform
map
simulation
YOLO
image processing
A*
detección
seguimiento
cultivo
surco
obstáculo
plataforma aérea
mapa
simulación
YOLO
procesamiento de imagen
inteligencia artificial
A*
artificial intelligence
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/4.0/
Summary: | Dada la importancia que representa el sector agrícola para Colombia y los distintos avances e investigaciones que se han realizado con respecto a la agricultura de precisión, para el presente proyecto se decidió hacer uso de tecnologías que permitieran realizar la exploración de un cultivo simulado, apoyado en un vehículo aéreo. En este trabajo se emplearon técnicas de procesamiento de imagen (Operaciones morfológicas, segmentación por color, filtro de promedio) y algoritmos de inteligencia artificial (redes convolucionales, YOLOv4) para identificar líneas de cultivo y posibles obstáculos que se puedan encontrar en un cultivo simulado, estas imágenes fueron obtenidas a partir de una cámara embarcada en un dron. A medida que se realiza este proceso, se genera una trayectoria la cual es seguida por el dron para posteriormente continuar con la toma de imágenes y el desplazamiento hasta llegar al final de cultivo. Los datos de ubicaciones de los surcos, trayectoria y obstáculos son guardados para ser procesados y generar un mapa. Como resultado se obtuvo una precisión de validación de 0.87 en la detección de elementos del cultivo y una precisión en la detección de obstáculos de 0.91. La trayectoria generada mediante la identificación de surcos y el uso del algoritmo A* fue óptima para evadir los obstáculos presentes en el cultivo. Finalmente, las gráficas de error en el desplazamiento del vehículo aéreo con respecto a las posiciones deseadas tienden a un valor de 0. Estos resultados permitirán brindar información del cultivo a la plataforma terrestre Ceres_Agrobot. |
---|