English   español  
Please use this identifier to cite or link to this item: http://hdl.handle.net/10261/159498
Share/Impact:
Statistics
logo share SHARE   Add this article to your Mendeley library MendeleyBASE
Visualizar otros formatos: MARC | Dublin Core | RDF | ORE | MODS | METS | DIDL | DATACITE
Exportar a otros formatos:

Title

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

Other TitlesAutomatic detection of vegetation in early season for weed detection in UAV images
AuthorsTorres-Sánchez, Jorge ; Peña Barragán, José Manuel ; Serrano Pérez, Angélica ; López Granados, Francisca
KeywordsÍndices de vegetación
Sensores remotos
Teledetección
Multiespectral
Segmentación
Aplicación localizada de herbicidas
Vegetation indices
Sensors
Remote sensing
Multispectral
Segmentation
SSWM
Issue Date2015
PublisherJunta de Andalucía
CitationXV Congreso de la Sociedad Española de Malherbología: la malherbología y la transferencia tecnológica: 249-255 (2015)
SeriesAgricultura
Congresos y Jornadas
Abstract[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.
DescriptionTrabajo presentado en el XV Congreso de la Sociedad Española de Malherbologia (SEMh), celebrado en Sevilla del 19 al 22 de octubre de 2015.
URIhttp://hdl.handle.net/10261/159498
ISBN978-84-608-2775-7
Appears in Collections:(IAS) Libros y partes de libros
Files in This Item:
File Description SizeFormat 
malas_hierbas_Torres.pdf132,38 kBAdobe PDFThumbnail
View/Open
Show full item record
Review this work
 


WARNING: Items in Digital.CSIC are protected by copyright, with all rights reserved, unless otherwise indicated.