Estimación del rendimiento del cultivo de arroz inundado en etapas tempranas del crecimiento mediante aprendizaje automático e imágenes capturadas con RPAS

El siguiente proyecto tiene por objetivo estimar el rendimiento del cultivo de arroz inundado en etapas tempranas del crecimiento, empleando imágenes multiespectrales capturadas a baja altura con RPAS y modelos MultiLayer Perceptron (MLP). Esta investigación se llevó a cabo en una parcela de arroz inundado, ubicada en el municipio de Jamundí (Colombia), en la cual se sembró la variedad FEDEARROZ 2020. El proyecto se estructura metodológicamente en tres partes: Recolección de datos: Comprende la instalación de puntos de control en campo, la captura periódica de imágenes multiespectrales mediante RPAS y la recolección de muestras de arroz. Procesamiento de datos: Consiste en el tratamiento de las imágenes multiespectrales para generar los ortomosaicos, su recorte según los polígonos de las muestras de arroz y el cálculo de índices de vegetación. Además, incluye los procesos de desgrane, secado y pesado de las muestras de arroz para determinar los valores reales de rendimiento. Al finalizar esta etapa, se obtiene el conjunto de datos necesario para la modelación. Modelación: Consiste en la construcción de modelos de predicción del rendimiento del cultivo de arroz inundado, utilizando validación cruzada LOOCV y ajuste de hiperparámetros para optimizar su desempeño. Los resultados obtenidos muestran que el mejor periodo de tiempo para estimar el rendimiento del cultivo de arroz inundado es entre los 66 y 80 días después de la germinación. El modelo con el coeficiente de determinación más alto (58.7%) se obtuvo a los 80 días durante la etapa de espigamiento, mientras que el modelo que se obtuvo a los 66 días, durante la etapa de embuchamiento, logró un valor muy cercano a la producción real de la parcela, con una subestimación del 2,86%.

• Autores: Giraldo Mejía, Fernando Andrés
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2025
• Institución: Universidad del Valle
• Repositorio: Repositorio Digital Univalle
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.univalle.edu.co:10893/36898
• Acceso en línea: https://hdl.handle.net/10893/36898
• Palabra clave: Cultivos de arroz; Redes neuronales artificiales; Sector arrocero; Agricultura de precisión; Drones (Aeronaves); Inteligencia artificial; Imágenes multiespectrales
• Rights: openAccess
• License: https://creativecommons.org/licenses/by-nc-nd/4.0/