Sistema de Visión Artificial para el Análisis de Imágenes de Cultivo basado en Texturas Orientadas

• Main Authors: Juan Francisco Sotomayor, Alejandro Paúl Gómez, Andrés Fernando Cela
• Format: Article
• Language: Spanish
• Published: Escuela Politécnica Nacional (EPN) 2014-02-01
• Series: Revista Politécnica
• Online Access: https://revistapolitecnica.epn.edu.ec/ojs2/index.php/revista_politecnica2/article/view/104
• ISSN: 1390-0129; 2477-8990

Dentro del área de la Agricultura de Precisión al obtener la mayor cantidad de información sobre los campos de cultivo se puede optimizar los procesos de siembra, control de malas hierbas y cosecha. Obtener imágenes con cámaras sobre vehículos aéreos no tripulados está siendo actualmente una solución viable para esta tarea, por lo que el procesamiento y análisis de las imágenes aéreas brindaría mayor información al navegar sobre un cultivo. El presente trabajo muestra el desarrollo de un sistema de visión para detectar la dirección de las líneas de cultivos de trigo de imágenes aéreas basándose en el análisis de texturas orientadas; tres estrategias son propuestas para afrontar las diferentes situaciones de las imágenes de cultivo: poca capa vegetal, rodales de mala hierba, variabilidad de la iluminación, escalado de la imagen, entre otras. Las pruebas han sido realizadas con un repositorio de imágenes propio, logrando resultados muy satisfactorios que indican una respuesta en tiempo real, manteniendo un alto nivel de eficiencia en la detección de la dirección de las líneas de cultivo.   Abstract: In the area of Precision Agriculture to get most information about the farmlands is possible to optimize the processes of: planting, weed control and harvesting. Obtaining images with cameras on unmanned aerial vehicles is currently an able solution for this task. The processing and analysis of aerial images would provide more information when we browse on a crop. This paper shows the development of a vision system to detect the direction of the lines of wheat crops using aerial images based on texture analysis oriented, three strategies are proposed to tackle different situations in crop images: little topsoil, weed zones, variability of the illumination, image scaling. The tests were conducted with an own repository of images with highly satisfactory results. Also, the results indicate a response in real time, while the detection of the crop rows direction is keep at high level of efficiency.